| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 引言 | 第8-13页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究概况及发展趋势 | 第9-11页 |
| 1.2.1 竹片表面缺陷检测算法 | 第9页 |
| 1.2.2 纹理分析 | 第9-10页 |
| 1.2.3 图像分割算法 | 第10-11页 |
| 1.3 本文研究内容 | 第11-13页 |
| 第2章 纹理检测算法 | 第13-33页 |
| 2.1 竹片图像纹理分析方法 | 第13-23页 |
| 2.1.1 灰度直方图的纹理度量 | 第14-15页 |
| 2.1.2 灰度共生矩阵 | 第15-23页 |
| 2.2 LAWS纹理滤波 | 第23-26页 |
| 2.2.1 LAWS基本原理 | 第23页 |
| 2.2.2 LAWS纹理分析 | 第23-26页 |
| 2.3 基于LAWS的局部二值模式(LBP)纹理分析 | 第26-32页 |
| 2.3.1 局部二值模式(LBP)基本原理 | 第26-28页 |
| 2.3.2 LBP等价模式 | 第28-29页 |
| 2.3.3 LBP旋转不变模式 | 第29页 |
| 2.3.4 旋转不变的等价LBP模式 | 第29-30页 |
| 2.3.5 局部二进制编码直方图(LBPH) | 第30-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 竹片图像分割算法 | 第33-38页 |
| 3.1 阈值分割 | 第33-34页 |
| 3.2 最大稳定极值区域(MSER) | 第34-35页 |
| 3.3 图像分割算法比较分析 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 竹片缺陷检测系统开发与应用 | 第38-59页 |
| 4.1 竹片缺陷分类 | 第38-39页 |
| 4.2 竹片缺陷检测系统检测算法开发 | 第39-51页 |
| 4.2.1 竹片外形缺陷检测 | 第40-44页 |
| 4.2.2 竹片正反面检测 | 第44-45页 |
| 4.2.3 竹片表面缺陷检测 | 第45-47页 |
| 4.2.4 BP神经网络竹片分类 | 第47-51页 |
| 4.3 竹片缺陷检测系统硬件开发 | 第51-56页 |
| 4.3.1 竹片缺陷检测系统方案 | 第51-52页 |
| 4.3.2 工业相机选型 | 第52-54页 |
| 4.3.3 镜头选型 | 第54-55页 |
| 4.3.4 光源选型 | 第55-56页 |
| 4.4 竹片缺陷检测系统现场应用 | 第56-58页 |
| 4.4.1 软件硬件平台 | 第56-57页 |
| 4.4.2 竹片缺陷检测系统 | 第57-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 总结与展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 附录攻读硕士学位期间的研究成果 | 第64页 |