基于机器视觉的瓷器检测分类系统研究与实现
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-19页 |
| ·课题研究意义及背景 | 第11-12页 |
| ·机器视觉技术以其发展 | 第12-15页 |
| ·机器视觉技术概述 | 第12-13页 |
| ·机器视觉技术的发展 | 第13-15页 |
| ·瓷器检测的研究现状 | 第15页 |
| ·本文的主要工作和组织结构 | 第15-19页 |
| 第二章 系统平台设计及图像采集 | 第19-27页 |
| ·系统硬件组成 | 第19-23页 |
| ·相机 | 第19-21页 |
| ·图像采集卡 | 第21-22页 |
| ·光源 | 第22-23页 |
| ·计算机设备 | 第23页 |
| ·系统软件平台 | 第23-25页 |
| ·软件平台 | 第23-24页 |
| ·开发工具 | 第24页 |
| ·系统软件的构成 | 第24-25页 |
| ·瓷器图像获取 | 第25页 |
| ·本章小结 | 第25-27页 |
| 第三章 瓷器检测分类系统的预处理 | 第27-39页 |
| ·概述 | 第27页 |
| ·瓷器图像灰度化变换 | 第27-28页 |
| ·瓷器图像去噪过程 | 第28-31页 |
| ·图像分割 | 第31-34页 |
| ·瓷器轮廓提取 | 第34-36页 |
| ·Roberts 算子 | 第34-35页 |
| ·Prewitt 算子 | 第35页 |
| ·Sobel 算子 | 第35页 |
| ·Laplacian 算子 | 第35-36页 |
| ·瓷器图像增强 | 第36-37页 |
| ·实验结果与分析 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 瓷器特征提取 | 第39-53页 |
| ·概述 | 第39页 |
| ·瓷器的大小特征提取 | 第39-42页 |
| ·瓷器大小检测方法 | 第39-40页 |
| ·瓷器大小特征提取 | 第40-42页 |
| ·瓷器的形状特征提取方法 | 第42-45页 |
| ·面积周长比 | 第43页 |
| ·瓷器最小最大距离比值法 | 第43页 |
| ·直方图法 | 第43-45页 |
| ·瓷器的颜色特征提取 | 第45-52页 |
| ·颜色空间模型 | 第46-49页 |
| ·颜色特征提取方法 | 第49-51页 |
| ·瓷器的颜色算法检测 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 基于人工神经网络进行瓷器分类 | 第53-65页 |
| ·人工神经网络模型 | 第53-56页 |
| ·人工神经元模型 | 第53-54页 |
| ·神经网络的激活转移函数 | 第54-55页 |
| ·神经网络的主要应用 | 第55-56页 |
| ·BP 神经网络及其改进 | 第56-60页 |
| ·BP 算法 | 第56-58页 |
| ·BP 算法的改进 | 第58-60页 |
| ·用于瓷器分类的 BP 网络设计 | 第60-61页 |
| ·BP 神经网络的训练策略及结果 | 第60-61页 |
| ·最终训练后的神经网络结构 | 第61页 |
| ·实验结果与分析 | 第61-63页 |
| ·本章小结 | 第63-65页 |
| 第六章 总结与展望 | 第65-66页 |
| ·研究工作总结 | 第65页 |
| ·展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 附录 | 第70-71页 |
| 详细摘要 | 第71-73页 |
