| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 引言 | 第10页 |
| 1.2 课题研究的背景和意义 | 第10-11页 |
| 1.3 研究现状和发展前景 | 第11-14页 |
| 1.3.1 图像处理的发展现状 | 第11-12页 |
| 1.3.2 本文相关算法的研究现状 | 第12-14页 |
| 1.4 技术难点和本文主要研究的内容 | 第14-15页 |
| 1.5 本文的组织结构 | 第15-17页 |
| 第二章 透明塑料薄膜包装检测系统 | 第17-26页 |
| 2.1 透明塑料薄膜包装检测系统简介 | 第17-18页 |
| 2.2 选择光源 | 第18-21页 |
| 2.3 镜头的选择 | 第21页 |
| 2.4 相机的选择 | 第21-22页 |
| 2.5 图像采集卡的选取 | 第22-23页 |
| 2.6 检测系统的硬件平台 | 第23页 |
| 2.7 检测系统的软件平台 | 第23-24页 |
| 2.8 检测系统的技术要求 | 第24页 |
| 2.9 本章小结 | 第24-26页 |
| 第三章 显著性检测的相关算法 | 第26-37页 |
| 3.1 图像增强 | 第26-28页 |
| 3.2 点霍夫变换 | 第28-31页 |
| 3.2.1 点Hough变换的原理 | 第28-29页 |
| 3.2.2 点组的选取 | 第29-31页 |
| 3.3 超像素分割 | 第31-36页 |
| 3.3.1 SLIC(simple liner iterative clustring) | 第32-34页 |
| 3.3.2 Graph-based超像素分割 | 第34-36页 |
| 3.3.3 比较SLIC和Graph-based超像素分割后的图像 | 第36页 |
| 3.4 本章总结 | 第36-37页 |
| 第四章 改进的基于上下文的显著性检测 | 第37-58页 |
| 4.1 显著性的评判的低级因素 | 第37-38页 |
| 4.1.1 颜色 | 第37页 |
| 4.1.2 纹理 | 第37-38页 |
| 4.1.3 亮度 | 第38页 |
| 4.1.4 空间 | 第38页 |
| 4.2 显著性检验 | 第38-39页 |
| 4.3 显著性模型评价的标准 | 第39-40页 |
| 4.4 超像素块的相似性度量 | 第40-41页 |
| 4.5 利用神经网络的方法 | 第41-45页 |
| 4.5.1 神经网络 | 第41-42页 |
| 4.5.2 本文采用的BP神经网络 | 第42-45页 |
| 4.6 利用基于上下文的显著性检测 | 第45-51页 |
| 4.6.1 基于上下文的显著性检测的四个原则 | 第46页 |
| 4.6.2 显著性检测的算法 | 第46-49页 |
| 4.6.3 改进的基于上下文的显著性检测 | 第49-51页 |
| 4.7 基于BP神经网络和显著性的检测的比较 | 第51页 |
| 4.8 对利用改进后的显著性检测的图片的缺陷进行分类 | 第51-57页 |
| 4.8.1 特征提取 | 第52-53页 |
| 4.8.2 主成分分析 | 第53-55页 |
| 4.8.3 LSSVM分类 | 第55-57页 |
| 4.9 本章小结 | 第57-58页 |
| 第五章 实验结果 | 第58-62页 |
| 5.1 显著性检测的分析 | 第58-61页 |
| 5.2 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间的研究成果 | 第68-69页 |
| 攻读学位期间主持或参与的科研项目 | 第69-70页 |
| 致谢 | 第70页 |
