磁瓦磨削表面损伤的视觉检测算法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题背景及研究意义 | 第9-11页 |
| 1.2 表面缺陷视觉检测技术国内外研究现状 | 第11-13页 |
| 1.2.1 国外的研究现状 | 第11-12页 |
| 1.2.2 国内的研究现状 | 第12-13页 |
| 1.3 磁瓦表面缺陷检测研究现状 | 第13-15页 |
| 1.4 本文主要研究内容 | 第15-16页 |
| 第2章 磁瓦表面缺陷分析及检测系统硬件构成 | 第16-29页 |
| 2.1 磁瓦表面缺陷结构特点 | 第16-18页 |
| 2.2 图像采集系统的硬件构成 | 第18-20页 |
| 2.2.1 工业相机的选型 | 第18-19页 |
| 2.2.2 光学镜头的选型 | 第19-20页 |
| 2.2.3 照明光源的选型 | 第20页 |
| 2.3 照明方案的确定 | 第20-28页 |
| 2.3.1 常用照明方式介绍 | 第20-22页 |
| 2.3.2 磁瓦照明方案的确定 | 第22-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 磁瓦图像预处理算法研究 | 第29-53页 |
| 3.1 感兴趣区域提取 | 第29-31页 |
| 3.1.1 磁瓦边缘直线识别 | 第29-31页 |
| 3.1.2 几何变换 | 第31页 |
| 3.2 磁瓦图像噪声分析 | 第31-32页 |
| 3.3 传统去噪算法研究 | 第32-35页 |
| 3.3.1 中值滤波 | 第32页 |
| 3.3.2 自适应中值滤波及其改进算法 | 第32-34页 |
| 3.3.3 极值中值滤波算法 | 第34-35页 |
| 3.4 图像脉冲噪声的极值方向中值滤波算法 | 第35-37页 |
| 3.4.1 噪声初检测 | 第36页 |
| 3.4.2 噪声点二次检测 | 第36-37页 |
| 3.4.3 噪声点修复 | 第37页 |
| 3.5 滤波实验结果对比及分析 | 第37-45页 |
| 3.5.1 评价指标 | 第37-38页 |
| 3.5.2 仿真实验 | 第38-44页 |
| 3.5.3 实验结果分析 | 第44-45页 |
| 3.6 滤波后图像增强处理 | 第45-52页 |
| 3.6.1 伽马变换 | 第46-48页 |
| 3.6.2 直方图均衡化 | 第48-49页 |
| 3.6.3 基于直方图统计的自适应线性变换 | 第49-52页 |
| 3.7 本章小结 | 第52-53页 |
| 第4章 磁瓦表面缺陷图像分割 | 第53-74页 |
| 4.1 图像分割方法概述 | 第53-54页 |
| 4.1.1 阈值处理 | 第53页 |
| 4.1.2 边缘检测 | 第53-54页 |
| 4.1.3 基于区域的分割 | 第54页 |
| 4.2 磁瓦缺陷图像分析 | 第54-57页 |
| 4.3 经典阈值分割算法 | 第57-60页 |
| 4.3.1 全局阈值分割 | 第57-59页 |
| 4.3.2 局部阈值分割 | 第59-60页 |
| 4.4 基于下包络线灰度对比度的磁瓦缺陷分割算法 | 第60-66页 |
| 4.4.1 下包络线灰度对比度算法设计 | 第60-63页 |
| 4.4.2 缺陷分割实验及结果分析 | 第63-66页 |
| 4.5 基于曲线拟合的磁瓦表面缺陷分割算法 | 第66-72页 |
| 4.5.1 曲线拟合的缺陷分割算法设计 | 第66-69页 |
| 4.5.2 缺陷分割实验及结果分析 | 第69-72页 |
| 4.6 本章小结 | 第72-74页 |
| 第5章 磁瓦缺陷的识别 | 第74-82页 |
| 5.1 图像识别方法概述 | 第74-75页 |
| 5.2 缺陷特征参数的选择和提取 | 第75-78页 |
| 5.2.1 缺陷特征的选择 | 第75-76页 |
| 5.2.2 缺陷特征的提取 | 第76-78页 |
| 5.3 缺陷分类 | 第78-81页 |
| 5.3.1 分类器设计 | 第78-80页 |
| 5.3.2 分类结果 | 第80-81页 |
| 5.4 本章小结 | 第81-82页 |
| 第6章 总结与展望 | 第82-84页 |
| 6.1 总结 | 第82-83页 |
| 6.2 展望 | 第83-84页 |
| 致谢 | 第84-85页 |
| 参考文献 | 第85-89页 |
| 攻读学位期间的研究成果 | 第89页 |
