基于LBP的子弹表面缺陷光电检测算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题研究背景和意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 子弹缺陷检测研究现状 | 第10-11页 |
| 1.2.2 图像纹理分析方法研究现状 | 第11-14页 |
| 1.2.3 LBP算子研究现状 | 第14-15页 |
| 1.3 本文的研究内容 | 第15-16页 |
| 1.4 论文的结构安排 | 第16-18页 |
| 第二章 子弹表面缺陷检测预处理 | 第18-32页 |
| 2.1 检测对象分析 | 第18-22页 |
| 2.1.1 子弹及其缺陷种类 | 第18-19页 |
| 2.1.2 子弹图像获取 | 第19-20页 |
| 2.1.3 图像特征分析 | 第20-22页 |
| 2.2 缺陷检测流程 | 第22-25页 |
| 2.3 图像去噪 | 第25-28页 |
| 2.4 感兴趣区域提取 | 第28-30页 |
| 2.5 本章小结 | 第30-32页 |
| 第三章 基于LBP算子及其衍生算子的纹理特征提取 | 第32-56页 |
| 3.1 基本LBP算子 | 第32-41页 |
| 3.1.1 基本LBP原理 | 第32-36页 |
| 3.1.2 LBP的统一模式 | 第36-37页 |
| 3.1.3 旋转不变LBP | 第37页 |
| 3.1.4 旋转不变的统一模式 | 第37页 |
| 3.1.5 实验结果对比与分析 | 第37-41页 |
| 3.2 手动阈值LBP | 第41-46页 |
| 3.2.1 手动阈值LBP的纹理特征提取 | 第41-42页 |
| 3.2.2 子弹图像实验结果 | 第42-46页 |
| 3.3 LBP的方差表示 | 第46-50页 |
| 3.3.1 LBPV的纹理特征提取 | 第46-47页 |
| 3.3.2 子弹图像实验结果 | 第47-50页 |
| 3.4 改进的自适应LBP | 第50-53页 |
| 3.4.1 改进的自适应LBP纹理特征提取 | 第50-51页 |
| 3.4.2 子弹图像实验结果 | 第51-53页 |
| 3.5 实验结果总结 | 第53-54页 |
| 3.6 本章小结 | 第54-56页 |
| 第四章 与FCM相结合的子弹表面缺陷检测算法 | 第56-68页 |
| 4.1 模糊C均值聚类算法 | 第56-59页 |
| 4.2 子弹FCM缺陷识别 | 第59-63页 |
| 4.2.1 FCM参数的选取 | 第59-61页 |
| 4.2.2 图像特征的选取 | 第61页 |
| 4.2.3 形态学分析 | 第61-62页 |
| 4.2.4 算法流程 | 第62-63页 |
| 4.3 实验结果 | 第63-67页 |
| 4.3.1 FCM图像分割实验结果 | 第63-65页 |
| 4.3.2 子弹缺陷检测实验结果 | 第65-67页 |
| 4.4 本章小结 | 第67-68页 |
| 第五章 子弹表面缺陷分类算法 | 第68-77页 |
| 5.1 分类特征提取 | 第68-69页 |
| 5.2 直方图特征的非参数统计 | 第69-70页 |
| 5.3 K近邻分类器 | 第70-72页 |
| 5.4 子弹表面缺陷分类 | 第72-75页 |
| 5.4.1 缺陷分类流程 | 第72页 |
| 5.4.2 实验结果分析 | 第72-75页 |
| 5.5 本章小结 | 第75-77页 |
| 第六章 总结与展望 | 第77-80页 |
| 6.1 论文总结 | 第77-78页 |
| 6.2 工作展望 | 第78-80页 |
| 致谢 | 第80-82页 |
| 参考文献 | 第82-87页 |
