| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 课题目的及意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 图像分割研究现状 | 第12-14页 |
| 1.2.2 图像识别研究现状 | 第14-16页 |
| 1.3 论文研究成果 | 第16-17页 |
| 1.4 论文结构安排 | 第17-18页 |
| 第二章 电路板图像分割 | 第18-38页 |
| 2.1 引言 | 第18-19页 |
| 2.2 分割方法概述 | 第19页 |
| 2.3 Graph cuts | 第19-20页 |
| 2.4 Grab cut | 第20-21页 |
| 2.4.1 颜色模型 | 第20-21页 |
| 2.4.2 模型初始化 | 第21页 |
| 2.4.3 能量最小化 | 第21页 |
| 2.5 电路板图像分割 | 第21-25页 |
| 2.5.1 颜色空间 | 第22-23页 |
| 2.5.2 K-means | 第23-24页 |
| 2.5.3 电路板区域提取 | 第24页 |
| 2.5.4 电路板对象分割 | 第24-25页 |
| 2.6 改进电路板图像分割 | 第25-27页 |
| 2.6.1 改进Grab cut初始化方式 | 第25-27页 |
| 2.6.2 模型超参数 | 第27页 |
| 2.7 基于轮廓形态及凸凹点的再分割 | 第27-33页 |
| 2.7.1 开运算 | 第28页 |
| 2.7.2 凸运算 | 第28页 |
| 2.7.3 凸运算在元器件分割中的应用 | 第28-29页 |
| 2.7.4 基于轮廓形态及凸凹点的分割规则 | 第29-31页 |
| 2.7.5 分割判别 | 第31-32页 |
| 2.7.6 分割结果 | 第32-33页 |
| 2.8 实验结果 | 第33-36页 |
| 2.8.1 实验数据 | 第33-34页 |
| 2.8.2 实验结果 | 第34-36页 |
| 2.9 本章小结 | 第36-38页 |
| 第三章 基于CNN的电路板图像分割 | 第38-52页 |
| 3.1 引言 | 第38-39页 |
| 3.2 卷积神经网络 | 第39-42页 |
| 3.2.1 发展历史 | 第39-40页 |
| 3.2.2 CNN在图像分割中的应用 | 第40-42页 |
| 3.3 基于CNN的电路板图像分割 | 第42-46页 |
| 3.3.1 网络结构 | 第42-43页 |
| 3.3.2 ResNet | 第43-44页 |
| 3.3.3 FPN(feature pyramid networks) | 第44-46页 |
| 3.3.4 PPM(pyramid pooling module) | 第46页 |
| 3.4 实验结果 | 第46-50页 |
| 3.4.1 电路板图像数据集 | 第46-48页 |
| 3.4.2 分割算法评价 | 第48页 |
| 3.4.3 分割结果 | 第48-50页 |
| 3.5 本章小结 | 第50-52页 |
| 第四章 电路板残片图像识别 | 第52-64页 |
| 4.1 引言 | 第52-53页 |
| 4.2 方法概述 | 第53页 |
| 4.3 特征点提取 | 第53-55页 |
| 4.4 特征描述 | 第55-57页 |
| 4.4.1 SIFT描述 | 第55页 |
| 4.4.2 类形状上下文描述 | 第55-57页 |
| 4.5 比对策略 | 第57-61页 |
| 4.5.1 比对策略概述 | 第57页 |
| 4.5.2 特征点匹配 | 第57页 |
| 4.5.3 星型结构匹配 | 第57-60页 |
| 4.5.4 星型结构间空间分布一致 | 第60-61页 |
| 4.6 结构相似性(SSIM) | 第61页 |
| 4.7 实验结果 | 第61-63页 |
| 4.7.1 电路板残片图像数据集 | 第61-62页 |
| 4.7.2 匹配结果 | 第62-63页 |
| 4.8 本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 本文小结 | 第64-65页 |
| 5.2 未来工作展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 攻读学位期间发表的学术论文 | 第71页 |