自动光学检测中的键盘缺陷字符关键检测技术研究
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题背景 | 第10页 |
| 1.2 课题研究的目的和意义 | 第10-11页 |
| 1.3 国内外研究概况 | 第11-15页 |
| 1.3.1 国外研究概况 | 第11-13页 |
| 1.3.2 国内研究概况 | 第13-15页 |
| 1.4 论文的主要研究内容 | 第15-18页 |
| 第二章 键盘图像预处理 | 第18-27页 |
| 2.1 引言 | 第18页 |
| 2.2 灰度化 | 第18-21页 |
| 2.2.1 基本灰度化方法 | 第18-20页 |
| 2.2.2 光照对图像灰度化的影响 | 第20-21页 |
| 2.3 平滑滤波 | 第21-23页 |
| 2.4 二值化 | 第23-26页 |
| 2.4.1 大津法 | 第23-24页 |
| 2.4.2 改进的二值化方法 | 第24-25页 |
| 2.4.3 实验结果 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 感兴趣区域的获取与图像校正 | 第27-41页 |
| 3.1 引言 | 第27页 |
| 3.2 获取感兴趣区域 | 第27-35页 |
| 3.2.1 定位切分算法 | 第27-30页 |
| 3.2.2 本文提出的初步分割方法 | 第30-34页 |
| 3.2.3 后续的区域排序与合并算法 | 第34-35页 |
| 3.3 两种方法实验结果对比 | 第35-36页 |
| 3.4 图像倾斜校正 | 第36-40页 |
| 3.4.1 校正原理 | 第36-38页 |
| 3.4.2 实验与分析 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 字符的特征提取 | 第41-49页 |
| 4.1 引言 | 第41页 |
| 4.2 形状特征与矩特征 | 第41-44页 |
| 4.2.1 形状特征 | 第42-43页 |
| 4.2.2 矩特征 | 第43-44页 |
| 4.3 轮廓特征 | 第44-48页 |
| 4.3.1 已有的轮廓特征提取方法 | 第45-46页 |
| 4.3.2 本文的方法 | 第46-48页 |
| 4.4 特征提取实验 | 第48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 基于支持向量机的字符缺陷识别 | 第49-65页 |
| 5.1 引言 | 第49-50页 |
| 5.2 支持向量机基本理论 | 第50-51页 |
| 5.3 两类分类支持向量机算法 | 第51-54页 |
| 5.3.1 核函数选择和参数输入 | 第51-52页 |
| 5.3.2 训练和分类算法 | 第52-53页 |
| 5.3.3 初步的分类结果 | 第53-54页 |
| 5.4 特征选择 | 第54-57页 |
| 5.5 改进的支持向量机算法 | 第57-59页 |
| 5.5.1 结合模糊隶属度改进支持向量机 | 第57-58页 |
| 5.5.2 改进后的分类结果 | 第58-59页 |
| 5.6 复检及最后分类结果 | 第59-60页 |
| 5.7 与其它方法的比较 | 第60-64页 |
| 5.7.1 与相似度方法比较 | 第61-63页 |
| 5.7.2 与决策树方法比较 | 第63-64页 |
| 5.8 本章小结 | 第64-65页 |
| 第六章 应用实例 | 第65-69页 |
| 6.1 机械结构部分 | 第65-66页 |
| 6.2 检测软件部分及实验结果 | 第66-68页 |
| 6.3 本章小结 | 第68-69页 |
| 第七章 总结与展望 | 第69-71页 |
| 7.1 总结 | 第69-70页 |
| 7.2 展望 | 第70-71页 |
| 参考文献 | 第71-78页 |
| 作者在攻读硕士学位期间公开发表的论文 | 第78页 |
| 作者在攻读硕士学位期间申请及授权的专利 | 第78-79页 |
| 致谢 | 第79页 |
