| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 课题研究的目的和意义 | 第12-13页 |
| 1.1.1 课题研究的目的 | 第12-13页 |
| 1.1.2 课题研究的意义 | 第13页 |
| 1.2 国内外发展现状与趋势 | 第13-17页 |
| 1.2.1 国内外的发展现状 | 第13-16页 |
| 1.2.2 课题的发展趋势 | 第16-17页 |
| 1.3 课题研究的主要内容及章节安排 | 第17-18页 |
| 1.4 本章小结 | 第18-20页 |
| 第二章 距离度量学习与分类算法的研究 | 第20-30页 |
| 2.1 距离度量学习 | 第20-24页 |
| 2.1.1 有监督的距离度量学习 | 第20-23页 |
| 2.1.2 无监督的距离度量学习 | 第23-24页 |
| 2.2 常用的分类算法 | 第24-27页 |
| 2.2.1 BP神经网络 | 第24-25页 |
| 2.2.2 支持向量机 | 第25-26页 |
| 2.2.3 K近邻法 | 第26页 |
| 2.2.4 改进的K近邻法 | 第26-27页 |
| 2.3 基于大边界的改进K近邻算法 | 第27-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第三章 电路板图像的焊点定位及特征提取 | 第30-54页 |
| 3.1 电路板焊点图像的获取 | 第30-31页 |
| 3.1.1 图像获取方法 | 第30-31页 |
| 3.1.2 图像读入与存储 | 第31页 |
| 3.2 焊点图像噪声的处理 | 第31-37页 |
| 3.2.1 噪声的特点 | 第32页 |
| 3.2.2 几种常见的图像噪声 | 第32-33页 |
| 3.2.3 均值滤波 | 第33-34页 |
| 3.2.4 中值滤波 | 第34页 |
| 3.2.5 高斯滤波 | 第34-35页 |
| 3.2.6 自适应中值滤波 | 第35-37页 |
| 3.3 焊点图像匹配 | 第37-42页 |
| 3.3.1 基于灰度的模板匹配 | 第37-38页 |
| 3.3.2 基于点模式的模板匹配 | 第38-41页 |
| 3.3.3 基于形状的模板匹配 | 第41-42页 |
| 3.4 图像分割理论与方法研究 | 第42-49页 |
| 3.4.1 图像分割理论 | 第42页 |
| 3.4.2 基于阈值的图像分割法 | 第42-45页 |
| 3.4.3 基于区域的图像分割法 | 第45-47页 |
| 3.4.4 基于边缘的图像分割法 | 第47-49页 |
| 3.5 焊点特征的提取及归一化处理 | 第49-52页 |
| 3.5.1 焊点特征的提取 | 第49-51页 |
| 3.5.2 焊点特征的归一化处理 | 第51-52页 |
| 3.6 本章小结 | 第52-54页 |
| 第四章 基于大边界的改进K近邻法的焊点检测 | 第54-70页 |
| 4.1 焊点检测标准及主要的缺陷类型 | 第54-57页 |
| 4.1.1 焊点质量检测样本 | 第54-55页 |
| 4.1.2 焊点质量标准和缺陷类型 | 第55页 |
| 4.1.3 焊点的主要缺陷类型 | 第55-56页 |
| 4.1.4 焊点质量检测的指标 | 第56-57页 |
| 4.2 焊点图像预处理及特征提取 | 第57-65页 |
| 4.2.1 焊点图像的滤波 | 第57-58页 |
| 4.2.2 基于形状的焊点图像模板匹配 | 第58-59页 |
| 4.2.3 基于双阈值的图像阈值分割 | 第59-62页 |
| 4.2.4 焊点的特征提取及归一化处理 | 第62-65页 |
| 4.3 基于大边界的改进K近邻法的焊点检测模型的建立 | 第65-67页 |
| 4.4 基于大边界的改进最近邻法的焊点检测实验结果 | 第67-68页 |
| 4.5 本章小结 | 第68-70页 |
| 第五章 焊点检测对比实验及结果分析 | 第70-76页 |
| 5.1 基于BP神经网络的焊点检测实验 | 第70-71页 |
| 5.2 基于支持向量机的焊点检测实验 | 第71-73页 |
| 5.3 基于K近邻法的焊点检测实验 | 第73-74页 |
| 5.4 实验结果对比分析 | 第74-75页 |
| 5.5 本章小结 | 第75-76页 |
| 第六章 结论 | 第76-78页 |
| 6.1 总结 | 第76-77页 |
| 6.2 展望 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 作者简介 | 第82页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第82-84页 |
| 致谢 | 第84页 |