| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题研究背景以及意义 | 第9页 |
| 1.2 表面质量缺陷检测技术研究现状 | 第9-14页 |
| 1.2.1 基于传感器监控技术的表面质量缺陷检测 | 第9-10页 |
| 1.2.2 基于电磁感应技术的表面质量缺陷检测 | 第10-11页 |
| 1.2.3 基于机器视觉的表面质量缺陷检测方法 | 第11-14页 |
| 1.3 基于机器视觉的表面缺陷检测需解决的问题 | 第14-15页 |
| 1.4 论文主要研究内容及课题来源 | 第15-17页 |
| 第2章 铣削实验与工件表面缺陷图像采集 | 第17-26页 |
| 2.1 铣削加工实验 | 第17-21页 |
| 2.1.1 实验设备简介 | 第17-18页 |
| 2.1.2 加工方案设计 | 第18-21页 |
| 2.2 工件表面缺陷图像采集实验 | 第21-25页 |
| 2.2.1 工件表面常见缺陷类型描述 | 第21-22页 |
| 2.2.2 图像采集设备简介 | 第22-23页 |
| 2.2.3 图像采集 | 第23-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 图像背景纹理特征提取 | 第26-36页 |
| 3.1 纹理的定义与描述 | 第26-27页 |
| 3.2 铣削工件表面图像预处理 | 第27-29页 |
| 3.3 灰度共生矩阵算法的分析与改进 | 第29-33页 |
| 3.3.1 灰度共生矩阵算法描述及其存在的基本问题分析 | 第29-32页 |
| 3.3.2 灰度共生矩阵算法改进 | 第32-33页 |
| 3.4 基于改进灰度共生矩阵算法的工件表面背景纹理特征提取 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 图像纹理背景抑制与缺陷分割 | 第36-43页 |
| 4.1 基于非负矩阵分解的工件表面潜在背景纹理特征提取 | 第36-38页 |
| 4.2 基于向量欧式距离的工件表面潜在背景纹理抑制 | 第38-40页 |
| 4.3 基于K-MEANs聚类的工件表面图像缺陷二值化与特征提取 | 第40-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第5章 缺陷判别 | 第43-56页 |
| 5.1 缺陷特征 | 第43-47页 |
| 5.1.1 缺陷特征的数学化描述 | 第43-46页 |
| 5.1.2 缺陷特征向量构建 | 第46-47页 |
| 5.2 基于支持向量机的二叉树分类器设计 | 第47-54页 |
| 5.2.1 二叉树分类器结构 | 第47-48页 |
| 5.2.2 基于支持向量机的缺陷分类算法 | 第48-50页 |
| 5.2.3 分类识别试验 | 第50-54页 |
| 5.3 本章小结 | 第54-56页 |
| 第6章 总结与展望 | 第56-58页 |
| 6.1 工作总结 | 第56-57页 |
| 6.2 工作展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 在校期间发表的学术论文与研究成果 | 第63页 |
