冷轧带钢表面缺陷图像检测关键技术的研究
摘要 | 第1-6页 |
Abstract | 第6-15页 |
第1章 绪论 | 第15-31页 |
·课题背景及意义 | 第15-16页 |
·表面缺陷检测系统的发展概况 | 第16-20页 |
·传统表面缺陷检测方法 | 第16-17页 |
·机器视觉表面缺陷检测方法 | 第17-19页 |
·表面缺陷检测系统的国内现状 | 第19-20页 |
·表面缺陷检测系统的技术分析 | 第20-29页 |
·表面缺陷检测中的图像处理技术 | 第20-26页 |
·实时图像处理系统的研究 | 第26-29页 |
·表面缺陷检测系统面临的主要问题 | 第29页 |
·本文主要研究内容 | 第29-31页 |
第2章 冷轧带钢表面缺陷图像处理系统 | 第31-45页 |
·引言 | 第31页 |
·冷轧带钢表面缺陷检测系统总体结构 | 第31-33页 |
·表面缺陷图像采集系统 | 第32页 |
·表面缺陷图像处理系统 | 第32-33页 |
·缺陷分类识别系统 | 第33页 |
·表面缺陷图像处理系统的研究 | 第33-43页 |
·多IP 核的图像并行处理系统设计 | 第33-37页 |
·基于FPGA 的可重构图像处理系统的设计 | 第37-39页 |
·表面缺陷图像处理系统的研制 | 第39-43页 |
·可重构图像并行处理系统评价参数 | 第43-44页 |
·并行算法运行时间 | 第43-44页 |
·重构时间 | 第44页 |
·加速比和效率 | 第44页 |
·本章小结 | 第44-45页 |
第3章 冷轧带钢表面缺陷图像预处理算法 | 第45-69页 |
·引言 | 第45页 |
·带钢表面缺陷图像的噪声分析 | 第45-47页 |
·图像噪声成分分析 | 第45-46页 |
·噪声类型分析 | 第46-47页 |
·基于偏微分方程的图像预处理 | 第47-62页 |
·偏微分方程去噪模型 | 第47-49页 |
·图像的仿射不变和对比度不变 | 第49-51页 |
·AMSS 方程的特性分析及算法实现 | 第51-54页 |
·AMSS 方程图像滤波分析 | 第54-62页 |
·AMSS 算子的自适应迭代停止准则 | 第62-68页 |
·图像的对称交叉熵及其改进 | 第63-64页 |
·对称交叉熵迭代停止准则 | 第64页 |
·实验结果与分析 | 第64-68页 |
·本章小结 | 第68-69页 |
第4章 缺陷目标检测及特征提取方法的研究 | 第69-94页 |
·引言 | 第69页 |
·冷轧带钢表面缺陷分割方法 | 第69-82页 |
·基于阈值的图像分割方法 | 第69-71页 |
·局部阈值图像分割方法 | 第71-73页 |
·过渡区理论及确定方法 | 第73-77页 |
·基于过渡区的局部阈值图像分割方法 | 第77-80页 |
·缺陷分割结果评价 | 第80-82页 |
·缺陷特征向量提取方法 | 第82-93页 |
·缺陷的灰度特征 | 第82-86页 |
·缺陷的纹理特征 | 第86-88页 |
·缺陷的不变矩特征 | 第88-93页 |
·本章小结 | 第93-94页 |
第5章 冷轧带钢表面缺陷分类方法研究 | 第94-117页 |
·引言 | 第94页 |
·典型缺陷分析 | 第94-96页 |
·缺陷特征抽取 | 第96-107页 |
·线性特征抽取方法 | 第96-98页 |
·非线性特征抽取方法 | 第98-102页 |
·组合特征的抽取方法 | 第102-107页 |
·基于支持向量机缺陷分类方法 | 第107-114页 |
·支持向量机分类 | 第107-110页 |
·不确定SVDD 分类器 | 第110-114页 |
·缺陷分类实验和分析 | 第114-116页 |
·本章小结 | 第116-117页 |
第6章 表面缺陷图像处理系统的实验研究 | 第117-130页 |
·引言 | 第117页 |
·实验系统的搭建 | 第117-118页 |
·可重构图像并行处理的实验 | 第118-129页 |
·系统算法设计整体方案 | 第118-120页 |
·表面缺陷图像预处理实验 | 第120-125页 |
·表面缺陷分割实验 | 第125-126页 |
·系统重构实验结果及分析 | 第126-129页 |
·本章小结 | 第129-130页 |
结论 | 第130-132页 |
参考文献 | 第132-143页 |
攻读博士学位期间发表的学术论文及成果 | 第143-145页 |
致谢 | 第145-146页 |
作者简历 | 第146页 |