摘要 | 第5-6页 |
abstract | 第6-7页 |
第一章 绪论 | 第11-15页 |
1.1 课题的研究背景及意义 | 第11-12页 |
1.2 机器视觉技术概述 | 第12-13页 |
1.2.1 国内外机器视觉的发展现状 | 第12页 |
1.2.2 机器视觉技术应用 | 第12-13页 |
1.3 论文的主要工作及结构安排 | 第13-15页 |
第二章 标签缺陷检测系统总体设计 | 第15-24页 |
2.1 系统设计要求及难点分析 | 第15-16页 |
2.2 系统总体方案及技术实现路线 | 第16-18页 |
2.2.1 系统总体方案 | 第16-17页 |
2.2.2 系统的技术实现路线 | 第17-18页 |
2.3 系统硬件设备选型 | 第18-21页 |
2.3.1 工业相机 | 第19-20页 |
2.3.2 光学镜头 | 第20页 |
2.3.3 光源 | 第20-21页 |
2.3.4 工控机 | 第21页 |
2.4 系统软件模块设计 | 第21-23页 |
2.4.1 图像采集模块 | 第22-23页 |
2.4.2 图像处理模块 | 第23页 |
2.4.3 信号控制与数据管理模块 | 第23页 |
2.5 本章小结 | 第23-24页 |
第三章 标签图像预处理算法 | 第24-45页 |
3.1 图像降噪处理 | 第24-32页 |
3.1.1 图像噪声的来源及类型分析 | 第24-25页 |
3.1.2 图像降噪算法 | 第25-32页 |
3.1.2.1 邻域平均法 | 第25-26页 |
3.1.2.2 加权平均法 | 第26-27页 |
3.1.2.3 中值滤波算法 | 第27-30页 |
3.1.2.4 本文图像降噪算法 | 第30-31页 |
3.1.2.5 算法时间测试 | 第31-32页 |
3.2 标准模板制作算法 | 第32-34页 |
3.2.1 统计平均法 | 第32-33页 |
3.2.2 阈值法 | 第33页 |
3.2.3 基于配准的统计平均法 | 第33-34页 |
3.3 图像配准 | 第34-44页 |
3.3.1 图像配准相关概念 | 第35-37页 |
3.3.1.1 图像配准的定义 | 第35页 |
3.3.1.2 图像的几何变换 | 第35-37页 |
3.3.2 图像配准算法 | 第37-42页 |
3.3.2.1 基于灰度信息的配准算法 | 第37-39页 |
3.3.2.2 基于特征信息的配准算法 | 第39-40页 |
3.3.2.3 基于小邻域搜索的模板匹配图像配准法 | 第40-42页 |
3.3.3 图像配准效果测试 | 第42-44页 |
3.4 本章小结 | 第44-45页 |
第四章 标签图像缺陷检测与分类算法 | 第45-71页 |
4.1 标签图像缺陷检测算法设计 | 第45-58页 |
4.1.1 图像差分 | 第46-47页 |
4.1.2 剔除轮廓伪影 | 第47-50页 |
4.1.3 图像分割 | 第50-53页 |
4.1.3.1 阈值分割算法 | 第50-51页 |
4.1.3.2 基于人眼视觉特性的动态阈值分割算法 | 第51-53页 |
4.1.4 形态学处理 | 第53-58页 |
4.1.5 待检测图像判定 | 第58页 |
4.2 标签图像缺陷分类算法设计 | 第58-70页 |
4.2.1 标签图像缺陷目标标记 | 第58-66页 |
4.2.1.1 基于区域生长的目标标记算法 | 第59-61页 |
4.2.1.2 基于等价类行程的目标标记算法 | 第61-65页 |
4.2.1.3 算法时间测试 | 第65-66页 |
4.2.2 标签图像缺陷类型识别 | 第66-70页 |
4.2.2.1 标签图像中常见的缺陷类型 | 第66-67页 |
4.2.2.2 缺陷特征的提取 | 第67-69页 |
4.2.2.3 欧式距离分类器 | 第69-70页 |
4.2.2.4 缺陷类型识别结果 | 第70页 |
4.3 本章小结 | 第70-71页 |
第五章 标签缺陷检测系统实现及测试 | 第71-78页 |
5.1 系统硬件实现 | 第71页 |
5.2 系统软件实现 | 第71-74页 |
5.2.1 软件主界面介绍 | 第72页 |
5.2.2 图像处理模块实现 | 第72-74页 |
5.3 系统测试 | 第74-77页 |
5.3.1 系统检测结果测试 | 第74-76页 |
5.3.2 系统实时性测试 | 第76-77页 |
5.4 本章小结 | 第77-78页 |
第六章 总结与展望 | 第78-80页 |
6.1 工作总结 | 第78页 |
6.2 前景展望 | 第78-80页 |
致谢 | 第80-81页 |
参考文献 | 第81-84页 |