基于图像的车削表面粗糙度测量
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-21页 |
| ·引言 | 第10-11页 |
| ·表面粗糙度测量技术综述 | 第11-18页 |
| ·表面粗糙度测量技术 | 第11-12页 |
| ·国内外表面粗糙度检测的现状 | 第12-17页 |
| ·表面粗糙度测量系统的发展趋势 | 第17-18页 |
| ·图像检测技术简介 | 第18-19页 |
| ·课题研究的目的和主要研究内容 | 第19-21页 |
| 第2章 数字图像测量技术概述 | 第21-32页 |
| ·图像测量设备 | 第21-25页 |
| ·摄像机 | 第22-23页 |
| ·图像数字化器 | 第23-25页 |
| ·计算机接口 | 第25页 |
| ·光源简介 | 第25-27页 |
| ·白炽灯 | 第25页 |
| ·卤素灯 | 第25-26页 |
| ·荧光灯 | 第26页 |
| ·发光二极管（LED） | 第26-27页 |
| ·四种光源性能比较 | 第27页 |
| ·数字图像处理流程 | 第27-29页 |
| ·MATLAB 图像处理技术简介 | 第29-31页 |
| ·图像采集工具箱 | 第29-30页 |
| ·图像处理工具箱 | 第30页 |
| ·视频和图像处理模块库 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 表面粗糙度测量系统的建立 | 第32-46页 |
| ·光学系统原理 | 第32-33页 |
| ·车削表面粗糙度样块的制作 | 第33-35页 |
| ·图像测量系统的硬件集成 | 第35-39页 |
| ·各组件主要性能 | 第35-36页 |
| ·系统集成性能 | 第36-39页 |
| 第4章 表面粗糙度BP 识别网络的设计和定性测量 | 第39页 |
| ·表面粗糙度特征选择 | 第39-41页 |
| ·图像预处理 | 第39-40页 |
| ·特征提取 | 第40-41页 |
| ·BP 神经网络模型的建立 | 第41-42页 |
| ·神经网络样本的采集 | 第42页 |
| ·神经网络的训练 | 第42-43页 |
| ·神经网络的训练结果 | 第43-44页 |
| ·神经网络的识别结果 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第5章 表面粗糙度的定量测量 | 第46-51页 |
| ·滤波器设计 | 第46-47页 |
| ·参数计算 | 第47-48页 |
| ·建立经验公式 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第6章 软件开发和综合系统调试 | 第51-59页 |
| ·MATLAB 图形用户接口（GUI） | 第51-53页 |
| ·图像采集模块 | 第53-54页 |
| ·图像标定模块 | 第54-56页 |
| ·质量检测模块 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 攻读学位期间发表的学术论文 | 第65-66页 |
| 致谢 | 第66页 |
