基于图像处理的钢板表面缺陷检测系统的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-19页 |
| ·课题背景及研究意义 | 第8-9页 |
| ·课题背景 | 第8页 |
| ·课题研究意义 | 第8-9页 |
| ·钢板表面常见缺陷 | 第9-16页 |
| ·钢板表面缺陷检测技术发展概况 | 第16-18页 |
| ·人工检测 | 第16页 |
| ·传统无损检测 | 第16-17页 |
| ·机器视觉检测 | 第17页 |
| ·国内外研究现状 | 第17-18页 |
| ·本文主要研究内容 | 第18-19页 |
| 2 系统整体方案设计 | 第19-23页 |
| ·系统的组成及工作原理 | 第19-20页 |
| ·系统的组成 | 第19-20页 |
| ·系统的工作原理 | 第20页 |
| ·系统的硬件结构及软件流程设计 | 第20-22页 |
| ·系统的硬件结构设计 | 第20-21页 |
| ·系统的软件流程设计 | 第21-22页 |
| ·系统的技术要求 | 第22页 |
| ·本章小结 | 第22-23页 |
| 3 系统光学系统设计 | 第23-27页 |
| ·光源 | 第23-25页 |
| ·光源的选择标准 | 第23页 |
| ·光源的分类 | 第23-24页 |
| ·光源的确定 | 第24-25页 |
| ·相机的选择 | 第25页 |
| ·照明方案确定 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 4 缺陷图像的图像处理 | 第27-53页 |
| ·图像噪声处理 | 第27-34页 |
| ·常见噪声类型 | 第27-28页 |
| ·图像滤波去噪算法 | 第28-33页 |
| ·复合滤波器 | 第33-34页 |
| ·缺陷图像增强 | 第34-42页 |
| ·图像增强技术简介 | 第34页 |
| ·灰度变换法 | 第34-37页 |
| ·直方图修正法 | 第37-41页 |
| ·图像增强实验 | 第41-42页 |
| ·缺陷图像分割 | 第42-52页 |
| ·边缘检测算法 | 第43-48页 |
| ·边缘连接 | 第48-49页 |
| ·阈值分割算法 | 第49-50页 |
| ·区域生长算法 | 第50-51页 |
| ·边缘检测实验 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 5 特征提取与选择及缺陷分类算法研究 | 第53-77页 |
| ·缺陷特征的提取与选择 | 第53-59页 |
| ·特征提取的过程与标准 | 第53页 |
| ·几何形状特征 | 第53-55页 |
| ·灰度特征 | 第55-56页 |
| ·纹理特征 | 第56-57页 |
| ·缺陷特征的降维处理 | 第57-59页 |
| ·缺陷分类算法研究 | 第59-72页 |
| ·统计模式识别方法 | 第59-61页 |
| ·结构模式识别方法 | 第61-64页 |
| ·模糊模式识别方法 | 第64-66页 |
| ·人工神经网络模式识别方法 | 第66-72页 |
| ·缺陷识别实验 | 第72-76页 |
| ·图像处理过程 | 第73-74页 |
| ·特征提取与选择过程 | 第74-75页 |
| ·缺陷分类过程 | 第75-76页 |
| ·本章小结 | 第76-77页 |
| 6 结论 | 第77-78页 |
| 参考文献 | 第78-80页 |
| 致谢 | 第80页 |
