枪弹外观检测中的图像处理及识别算法应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 前言 | 第10-18页 |
| ·研究背景及意义 | 第10页 |
| ·国内外研究现状 | 第10-14页 |
| ·图像处理及识别技术的理论研究 | 第10-11页 |
| ·在外观检测方面的应用成果 | 第11-14页 |
| ·论文的主要研究内容及创新点 | 第14-16页 |
| ·论文主要研究内容 | 第14-15页 |
| ·论文的主要创新点 | 第15-16页 |
| ·论文的组织架构 | 第16-18页 |
| 2 枪弹外观检测基础 | 第18-32页 |
| ·数字图像处理及识别的相关理论 | 第18-20页 |
| ·图像处理及识别的概念和方法 | 第18-19页 |
| ·主要应用及发展动向 | 第19-20页 |
| ·枪弹外观图像的预处理 | 第20-27页 |
| ·图像预处理基础 | 第20-21页 |
| ·枪弹图像噪声分类及小波去噪方法 | 第21-23页 |
| ·枪弹图像增强处理 | 第23-26页 |
| ·枪弹表面反光现象处理 | 第26-27页 |
| ·图像特征的提取和分类 | 第27-30页 |
| ·特征提取的相关概念 | 第27-28页 |
| ·图像特征的分类及匹配方法 | 第28-30页 |
| ·本章小结 | 第30-32页 |
| 3 枪弹外观图像的轮廓提取 | 第32-50页 |
| ·轮廓提取的基础方法 | 第32-34页 |
| ·图像边缘检测 | 第34-41页 |
| ·边缘结构性分析 | 第35页 |
| ·边缘检测的基本步骤 | 第35-36页 |
| ·基于检测算子的边缘检测方法 | 第36-41页 |
| ·一种基于蚁群算法的新轮廓提取方法 | 第41-49页 |
| ·蚁群算法的原理 | 第41页 |
| ·蚁群算法应用于图像边缘检测的过程 | 第41-45页 |
| ·枪弹外观轮廓提取 | 第45-46页 |
| ·轮廓提取结果 | 第46-48页 |
| ·轮廓图像误差分析 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 4 枪弹外观图像的尺寸测量 | 第50-62页 |
| ·尺寸测量及其关键点 | 第50-51页 |
| ·尺寸测量 | 第50页 |
| ·兴趣点 | 第50-51页 |
| ·枪弹外观尺寸的测量方法和结果 | 第51-61页 |
| ·Harris 角点检测方法 | 第51-52页 |
| ·兴趣点的标定算法 | 第52-53页 |
| ·直线间距离测量 | 第53-58页 |
| ·线段长度测量 | 第58-60页 |
| ·尺寸测量的误差分析 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 5 枪弹外观图像的缺陷识别 | 第62-74页 |
| ·缺陷识别的相关理论知识 | 第62-63页 |
| ·缺陷图像分割 | 第63-64页 |
| ·枪弹外观的锈斑检测 | 第64-69页 |
| ·锈斑检测原理及流程 | 第64-65页 |
| ·锈斑图像特征提取及选择 | 第65-66页 |
| ·锈斑图像的检测结果 | 第66-68页 |
| ·锈斑缺陷图像面积计算 | 第68-69页 |
| ·枪弹外观的划痕检测 | 第69-72页 |
| ·划痕的分类 | 第69-70页 |
| ·不同类型划痕的检测算法 | 第70-72页 |
| ·实验结果分析 | 第72页 |
| ·本章小结 | 第72-74页 |
| 6 总结及下一步研究计划 | 第74-76页 |
| ·论文主要成果总结 | 第74-75页 |
| ·下一步的研究计划 | 第75-76页 |
| 致谢 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第82页 |
