| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第1章 绪论 | 第13-32页 |
| ·钢球表面缺陷检测技术发展现状 | 第13-20页 |
| ·国外检测现状研究 | 第13-15页 |
| ·国内检测现状研究 | 第15-20页 |
| ·图像技术在钢球表面缺陷检测中应用 | 第20-28页 |
| ·球体展开研究现状 | 第21-24页 |
| ·钢球表面缺陷检测算法研究现状 | 第24-28页 |
| ·本文研究目的和意义 | 第28-30页 |
| ·本文主要研究内容 | 第30-32页 |
| 第2章 钢球图像处理方法及分割算法研究 | 第32-49页 |
| ·引言 | 第32页 |
| ·钢球图像平滑滤波方法 | 第32-39页 |
| ·图像的频域滤波及分析 | 第32-35页 |
| ·图像的空域滤波及分析 | 第35-39页 |
| ·钢球图像的局部增强方法 | 第39-42页 |
| ·图像的灰度修正 | 第39-40页 |
| ·图像灰度变换算法研究 | 第40-41页 |
| ·灰度变换法实验结果分析 | 第41-42页 |
| ·基于遗传(转基因)OTSU 钢球图像分割算法研究 | 第42-47页 |
| ·传统OTSU 计算阈值 | 第42-43页 |
| ·基于转基因算子的双阈值选取方法 | 第43-46页 |
| ·实验结果与结论 | 第46-47页 |
| ·本章小结 | 第47-49页 |
| 第3章 钢球表面缺陷特征提取及分类研究 | 第49-65页 |
| ·引言 | 第49页 |
| ·钢球图像边缘检测算法研究 | 第49-58页 |
| ·经典算法检测钢球边缘 | 第49-52页 |
| ·基于小波变换模极大值和多尺度边缘检测算法研究 | 第52-58页 |
| ·钢球表面缺陷形状特征参数 | 第58-59页 |
| ·缺陷特征参数计算及分类值确定 | 第59-64页 |
| ·缺陷目标的面积 | 第59-63页 |
| ·缺陷目标的长/短径比 | 第63页 |
| ·缺陷目标的欧拉数 | 第63页 |
| ·缺陷分类值确定 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第4章 基于RBF 神经网络的钢球表面缺陷识别 | 第65-87页 |
| ·引言 | 第65-66页 |
| ·RBF 网络结构和数学描述 | 第66-68页 |
| ·神经元模型 | 第66-67页 |
| ·神经网络结构 | 第67-68页 |
| ·构造RBF 网络分类器 | 第68-74页 |
| ·分类器数学模型建立 | 第68页 |
| ·隐含层设计 | 第68-69页 |
| ·学习算法描述 | 第69-70页 |
| ·误差校正研究 | 第70-71页 |
| ·可行性仿真与分析 | 第71-74页 |
| ·RBF 神经网络训练算法的改进 | 第74-80页 |
| ·动静结合算法的隐含层设计 | 第74-76页 |
| ·两阶段学习策略 | 第76-77页 |
| ·对比实验分析与总结 | 第77-80页 |
| ·钢球表面缺陷分类识别实验研究 | 第80-85页 |
| ·分类器初始参数设定 | 第80页 |
| ·训练及测试样本 | 第80-84页 |
| ·缺陷识别实验结果 | 第84-85页 |
| ·本章小结 | 第85-87页 |
| 第5章 钢球缺陷图像采集实验系统设计及研究 | 第87-106页 |
| ·图像采集光学系统设计 | 第87-89页 |
| ·钢球表面反光特性 | 第87-88页 |
| ·光照系统选择和设计 | 第88-89页 |
| ·图像标定模块 | 第89-91页 |
| ·钢球展开理论研究 | 第91-103页 |
| ·球面展开机构设计 | 第92-93页 |
| ·钢球运动状态分析 | 第93-98页 |
| ·钢球展开仿真分析 | 第98-103页 |
| ·系统软件设计 | 第103-104页 |
| ·本章小结 | 第104-106页 |
| 结论 | 第106-108页 |
| 参考文献 | 第108-115页 |
| 攻读博士学位期间发表的学术论文 | 第115-116页 |
| 致谢 | 第116页 |