| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 引言 | 第9页 |
| 1.2 研究工作的背景及选题意义 | 第9-11页 |
| 1.3 相关领域的研究及现状 | 第11-14页 |
| 1.3.1 图像分割研究现状 | 第11-12页 |
| 1.3.2 图像特征研究现状 | 第12-13页 |
| 1.3.3 分类器研究现状 | 第13-14页 |
| 1.4 论文的主要内容 | 第14-17页 |
| 第2章 硬件系统 | 第17-23页 |
| 2.1 硬件系统架构 | 第17页 |
| 2.2 工业相机 | 第17-19页 |
| 2.3 光源 | 第19-20页 |
| 2.4 其他硬件 | 第20-23页 |
| 第3章 图像分割 | 第23-41页 |
| 3.1 经典图像分割方法介绍 | 第23-30页 |
| 3.1.1 基于阈值的分割方法 | 第23-25页 |
| 3.1.2 基于边缘的图像分割算法 | 第25-30页 |
| 3.2 液压泵装配图特性分析 | 第30-31页 |
| 3.3 液压泵装配图像分割 | 第31-38页 |
| 3.3.1 算法流程 | 第31页 |
| 3.3.2 底座区域提取 | 第31-34页 |
| 3.3.3 极坐标变换 | 第34-36页 |
| 3.3.4 叶片区域提取 | 第36-38页 |
| 3.4 图像分割结果分析 | 第38-41页 |
| 第4章 图像特征 | 第41-55页 |
| 4.1 常用的特征提取方法 | 第41-45页 |
| 4.1.1 角点特征 | 第41-43页 |
| 4.1.2 局部二值模式特征 | 第43-45页 |
| 4.2 叶片图像特性分析 | 第45-46页 |
| 4.3 Gabor灰度共生矩阵混合特征 | 第46-53页 |
| 4.4 叶片识别结果分析 | 第53-55页 |
| 第5章 分类器 | 第55-71页 |
| 5.1 逻辑回归分类器 | 第55-59页 |
| 5.1.1 逻辑回归分类器原理 | 第55-58页 |
| 5.1.2 求解逻辑回归分类器的参数 | 第58-59页 |
| 5.2 本文分类器 | 第59-66页 |
| 5.2.1 支持向量机理论 | 第59-64页 |
| 5.2.2 支持向量机模型 | 第64-65页 |
| 5.2.3 选用支持向量机作为检测系统分类器 | 第65-66页 |
| 5.3 液压泵装配质量检测结果分析 | 第66-67页 |
| 5.4 液压泵装配质量检测在线学习策略设计 | 第67-71页 |
| 5.4.1 KCF和 MDNet算法中在线学习思想 | 第67-68页 |
| 5.4.2 在线学习策略设计 | 第68-71页 |
| 第6章 总结与展望 | 第71-73页 |
| 6.1 总结 | 第71页 |
| 6.2 研究展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-79页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第79页 |