羽毛片缺陷检测若干关键技术的研究
摘要 | 第4-6页 |
ABSTRACT | 第6-8页 |
第一章 绪论 | 第15-25页 |
1.1 研究背景及意义 | 第15-18页 |
1.2 国内外研究状况及分析 | 第18-21页 |
1.2.1 机器视觉发展及应用现状 | 第18页 |
1.2.2 机器视觉检测现状 | 第18-20页 |
1.2.3 羽毛片检测现状 | 第20-21页 |
1.3 研究目标、内容和关键技术 | 第21-23页 |
1.3.1 研究目标、内容 | 第21-22页 |
1.3.2 拟解决的关键问题 | 第22-23页 |
1.4 本文章节安排 | 第23-25页 |
第二章 羽毛片缺陷检测系统 | 第25-37页 |
2.1 羽毛片缺陷检测概述 | 第25-27页 |
2.2 羽毛片缺陷检测系统的实现 | 第27-31页 |
2.3 羽毛片缺陷样本库 | 第31-35页 |
2.3.1 缺陷羽毛片的图像库 | 第31-32页 |
2.3.2 羽毛片缺陷样本的采集 | 第32-33页 |
2.3.3 羽毛片典型缺陷的样本库 | 第33-35页 |
2.4 本章小结 | 第35-37页 |
第三章 羽毛片图像的光照校正 | 第37-51页 |
3.1 颜色恒常性理论 | 第38-39页 |
3.2 基于Retinex理论的图像增强算法 | 第39-41页 |
3.2.1 单尺度Retinex算法 | 第39-40页 |
3.2.2 多尺度Retinex算法 | 第40-41页 |
3.2.3 带色彩恢复的多尺度Retinex算法 | 第41页 |
3.3 改进的自适应图像增强算法 | 第41-46页 |
3.3.1 基于Retinex的自适应增强算法 | 第41-42页 |
3.3.2 本文改进的传导函数 | 第42-43页 |
3.3.3 局部不一致性计算方法 | 第43-46页 |
3.4 实验结果及分析 | 第46-50页 |
3.5 本章小结 | 第50-51页 |
第四章 羽毛片图像的平滑降噪 | 第51-70页 |
4.1 耦合冲击复扩散平滑降噪 | 第51-58页 |
4.1.1 基于偏微分方程的图像降噪方法 | 第52-53页 |
4.1.2 耦合冲击复扩散滤波模型 | 第53-55页 |
4.1.3 实验结果及分析 | 第55-58页 |
4.2 流行上的热传导方程降噪 | 第58-63页 |
4.2.1 相关理论基础 | 第59-61页 |
4.2.2 基于谱图理论算法的实现 | 第61-62页 |
4.2.3 实验结果及分析 | 第62-63页 |
4.3 基于各向异性的均值漂移平滑降噪 | 第63-69页 |
4.3.1 均值漂移理论 | 第63-64页 |
4.3.2 改进的各向异性均值漂移降噪算法 | 第64-65页 |
4.3.3 实验结果及分析 | 第65-69页 |
4.4 本章小结 | 第69-70页 |
第五章 羽毛片图像缺陷分割 | 第70-95页 |
5.1 图像分割概述 | 第70-75页 |
5.1.1 图像分割的定义 | 第70-71页 |
5.1.2 图像分割算法简介 | 第71-75页 |
5.2 水平集理论 | 第75-78页 |
5.2.1 曲线演化理论 | 第75-76页 |
5.2.2 水平集方法 | 第76-78页 |
5.3 基于水平集方法的缺陷分割 | 第78-89页 |
5.3.1 测地线主动轮廓模型 | 第78-79页 |
5.3.2 李纯明模型 | 第79-84页 |
5.3.3 Mumford-Shah模型 | 第84-85页 |
5.3.4 C-V模型 | 第85-89页 |
5.4 一种改进的水平集分割算法 | 第89-94页 |
5.5 本章小结 | 第94-95页 |
第六章 缺陷的特征提取及分类识别 | 第95-117页 |
6.1 基于CIELAB的污渍缺陷分类识别 | 第96-100页 |
6.1.1 相关理论基础 | 第96-98页 |
6.1.2 实验结果及分析 | 第98-100页 |
6.2 基于不变矩的形状特征提取 | 第100-104页 |
6.3 基于GLCM的纹理特征提取 | 第104-111页 |
6.4 基于SVM的羽毛片缺陷分类识别 | 第111-116页 |
6.4.1 支持向量机理论 | 第111-113页 |
6.4.2 实验结果及分析 | 第113-116页 |
6.5 本章小结 | 第116-117页 |
结论 | 第117-120页 |
参考文献 | 第120-133页 |
攻读博士学位期间发表或完成的论文 | 第133-136页 |
致谢 | 第136页 |