| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 注释表 | 第14-15页 |
| 第一章 绪论 | 第15-22页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-20页 |
| 1.2.1 机器视觉研究现状 | 第16-17页 |
| 1.2.2 视觉显著模型研究现状 | 第17-20页 |
| 1.3 本文主要研究内容和章节安排 | 第20-22页 |
| 1.3.1 本文主要研究内容 | 第20页 |
| 1.3.2 本文章节安排 | 第20-22页 |
| 第二章 视觉检测预处理关键技术研究 | 第22-36页 |
| 2.1 引言 | 第22页 |
| 2.2 图像匹配算法 | 第22-27页 |
| 2.2.1 基于模板的图像匹配 | 第22-24页 |
| 2.2.2 基于特征点的图像匹配 | 第24-25页 |
| 2.2.3 基于特征匹配的图像视角矫正 | 第25-27页 |
| 2.3 图像增强算法 | 第27-31页 |
| 2.3.1 自适应直方图均衡化 | 第27-28页 |
| 2.3.2 光照不均矫正 | 第28-30页 |
| 2.3.3 基于光照估计的颜色恒常性 | 第30-31页 |
| 2.4 图像分割算法 | 第31-35页 |
| 2.4.1 基于HSV颜色空间的图像分割 | 第31-33页 |
| 2.4.2 递推OTSU与分块OTSU | 第33-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第三章 基于纹理显著性的表面缺陷检测 | 第36-48页 |
| 3.1 引言 | 第36页 |
| 3.2 纹理特征提取与筛选 | 第36-41页 |
| 3.2.1 纹理概述 | 第36-37页 |
| 3.2.2 基于灰度共生矩阵的纹理特征提取 | 第37-38页 |
| 3.2.3 基于灰度-梯度共生矩阵的纹理特征提取 | 第38-40页 |
| 3.2.4 纹理特征显著性分析与筛选 | 第40-41页 |
| 3.3 视觉显著性计算模型 | 第41-45页 |
| 3.3.1 典型的显著性检测方法 | 第41-44页 |
| 3.3.2 本文纹理显著性计算模型 | 第44-45页 |
| 3.4 实验结果与分析 | 第45-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 基于RaspberryPi的低成本工件方向视觉检测系统研究 | 第48-61页 |
| 4.1 引言 | 第48页 |
| 4.2 工件方向视觉检测系统方案设计 | 第48-51页 |
| 4.2.1 工件方向视觉检测需求分析 | 第48-50页 |
| 4.2.2 系统总体方案设计 | 第50-51页 |
| 4.3 视觉检测系统的硬件设计 | 第51-55页 |
| 4.3.1 RaspberryPi平台 | 第51-52页 |
| 4.3.2 摄像头选取与工件成像方案设计 | 第52-54页 |
| 4.3.3 光源选取与照明方案设计 | 第54-55页 |
| 4.4 视觉检测系统的软件设计 | 第55-57页 |
| 4.4.1 系统软件设计总体流程 | 第55-56页 |
| 4.4.2 开发环境搭建 | 第56-57页 |
| 4.5 工件方向检测算法设计 | 第57-60页 |
| 4.5.1 工件图像特征分析与算法设计 | 第57-58页 |
| 4.5.2 基于像素占比判断工件正反 | 第58-59页 |
| 4.5.3 基于灰度值方差判断工件方向 | 第59页 |
| 4.5.4 检测结果分析 | 第59-60页 |
| 4.6 本章小结 | 第60-61页 |
| 第五章 通用视觉检测系统设计与实现 | 第61-69页 |
| 5.1 引言 | 第61页 |
| 5.2 通用视觉检测系统总体设计 | 第61-63页 |
| 5.3 系统硬件组成 | 第63-65页 |
| 5.3.1 工控机平台 | 第63-64页 |
| 5.3.2 面阵相机与线阵相机 | 第64-65页 |
| 5.4 通用视觉检测系统的实现 | 第65-68页 |
| 5.4.1 系统主界面 | 第65页 |
| 5.4.2 相机标定子系统 | 第65-66页 |
| 5.4.3 图像采集子系统 | 第66-67页 |
| 5.4.4 图像处理子系统 | 第67-68页 |
| 5.5 本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 研究内容总结 | 第69-70页 |
| 6.2 进一步工作展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-76页 |
| 在学期间的研究成果及发表的学术论文 | 第76页 |