| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 主要符号表 | 第11-13页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 课题提出背景及研究意义 | 第13页 |
| 1.2 滤光片表面疵病分类及公差等级 | 第13-16页 |
| 1.3 论文相关内容的国内外研究进展 | 第16-19页 |
| 1.3.1 光学元件表面疵病检测方法 | 第16-17页 |
| 1.3.2 图像处理中的多处理器调度技术 | 第17-19页 |
| 1.4 论文主要研究内容 | 第19-21页 |
| 第二章 滤光片表面疵病识别与质量等级评定系统方案设计 | 第21-28页 |
| 2.1 引言 | 第21页 |
| 2.2 表面疵病视觉识别与质量等级智能评定系统架构 | 第21-24页 |
| 2.2.1 滤光片表面疵病识别与质量等级评定系统需求 | 第22-23页 |
| 2.2.2 系统总体架构 | 第23-24页 |
| 2.3 表面疵病视觉识别与质量等级智能评定系统工作机理 | 第24-26页 |
| 2.3.1 滤光片表面疵病视觉识别与分类模块 | 第24-25页 |
| 2.3.2 表面疵病公差计算与表面质量分析模块 | 第25-26页 |
| 2.4 关键技术分析 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 滤光片表面疵病视觉识别与多处理器调度优化 | 第28-41页 |
| 3.1 引言 | 第28页 |
| 3.2 滤光片表面疵病视觉识别 | 第28-33页 |
| 3.3 基于K-NN分类的自学习算法 | 第33-35页 |
| 3.4 表面疵病检测作业级任务建模与多处理器调度 | 第35-40页 |
| 3.4.1 表面疵病检测作业级建模 | 第36-38页 |
| 3.4.2 表面疵病检测多处理器调度优化 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 滤光片表面质量等级智能分析方法 | 第41-52页 |
| 4.1 引言 | 第41页 |
| 4.2 基于表面疵病公差等级的表面质量分析方法 | 第41-49页 |
| 4.2.1 整体表面疵病公差等级计算与表面质量分析 | 第42-45页 |
| 4.2.2 有效孔径内表面疵病公差等级计算与表面质量分析 | 第45-49页 |
| 4.3 基于滤光片表面疵病面积特征的质量分析方法 | 第49-51页 |
| 4.3.1 表面疵病公差等级主成份分析 | 第49-50页 |
| 4.3.2 基于滤光片表面疵病面积特征的质量分析 | 第50-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 系统试验与分析 | 第52-62页 |
| 5.1 引言 | 第52页 |
| 5.2 系统硬件平台构建 | 第52-56页 |
| 5.2.1 40mm级表面疵病视觉识别系统硬件需求 | 第52-53页 |
| 5.2.2 硬件选型与平台构建 | 第53-56页 |
| 5.3 试验与结果分析 | 第56-61页 |
| 5.4 本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读博士/硕士学位期间取得的研究成果 | 第68-69页 |
| 致谢 | 第69-70页 |
| 附件 | 第70页 |
