| 作者简介 | 第1-9页 |
| 摘要 | 第9-11页 |
| ABSTRACT | 第11-14页 |
| 目录 | 第14-16页 |
| 第一章 绪论 | 第16-26页 |
| ·课题研究背景与意义 | 第16-17页 |
| ·选题背景 | 第17页 |
| ·带钢表面缺陷检测技术发展综述 | 第17-24页 |
| ·国外研究与应用 | 第17-20页 |
| ·国内研究与应用 | 第20-24页 |
| ·机器视觉带钢表面缺陷检测的发展趋势 | 第24页 |
| ·本文主要内容简介 | 第24-26页 |
| 第二章 带钢表面缺陷检测系统综述 | 第26-37页 |
| ·带钢表面缺陷检测系统结构 | 第26页 |
| ·图像采集单元与采集方法 | 第26-33页 |
| ·照明光源 | 第27-28页 |
| ·CCD传感器 | 第28-29页 |
| ·检测方式 | 第29-31页 |
| ·带钢表面缺陷检测点位置与检测方式 | 第31-33页 |
| ·缺陷图像检测方法简述 | 第33-34页 |
| ·缺陷图像分类方法简述 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 典型带钢表面缺陷图像形貌研究 | 第37-48页 |
| ·带钢表面缺陷 | 第37页 |
| ·热轧表面缺陷图像及形貌研究 | 第37-43页 |
| ·热轧表面缺陷及其工业要求 | 第37-39页 |
| ·缺陷图像与形貌研究 | 第39-43页 |
| ·冷轧表面缺陷图像及形貌研究 | 第43-46页 |
| ·酸洗/冷连轧表面缺陷及其工业要求 | 第43-44页 |
| ·缺陷图像与形貌研究 | 第44-46页 |
| ·带钢表面缺陷图像特性分析 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 灰度非均匀分布的带钢图像边界检测方法研究 | 第48-70页 |
| ·问题阐述 | 第48-49页 |
| ·边界检测方法性能评价指标 | 第49-50页 |
| ·典型带钢图像边界模型及其检测方法分析 | 第50-52页 |
| ·反正切函数模型与固定阈值法 | 第50-51页 |
| ·梯形模型与对比度匹配法 | 第51页 |
| ·现有方法不足之处 | 第51-52页 |
| ·带钢边界高斯模型 | 第52-58页 |
| ·基于高斯模型的动态带钢边界检测方法及其实现 | 第58-60页 |
| ·边界的动态检测 | 第58-59页 |
| ·带钢边界跟踪 | 第59-60页 |
| ·验证实验与结果分析 | 第60-69页 |
| ·本章小结 | 第69-70页 |
| 第五章 无固定形态缺陷图像检测与分类方法研究 | 第70-94页 |
| ·带钢表面缺陷的无固定形态特性 | 第70-71页 |
| ·带钢表面缺陷检测与分类新方法简述 | 第71-73页 |
| ·基于最大熵的缺陷分割方法与实验 | 第73-81页 |
| ·一种新的感兴趣区域搜索方法与实验 | 第73-76页 |
| ·基于最大信息熵的边缘检测算法与实验 | 第76-80页 |
| ·一种新的缺陷标记与合并方法与实验 | 第80-81页 |
| ·基于监督双限制连接ISOMAP降维的缺陷分类方法 | 第81-91页 |
| ·典型降维方法对带钢表面缺陷图像的适应性分析 | 第81-86页 |
| ·基于dls-Isomap的图像降维算法与应用实例 | 第86-89页 |
| ·增量样本的dls-Isomap降维算法的分类方法及其步骤 | 第89-91页 |
| ·无同定形态缺陷分类实验及其结果分析 | 第91-93页 |
| ·本章小结 | 第93-94页 |
| 第六章 多级带钢表面缺陷图像分类系统研究 | 第94-108页 |
| ·带钢表面缺陷分类结果的实用性分析 | 第94页 |
| ·主观评价机制 | 第94-98页 |
| ·带钢表面缺陷图像常用特征 | 第94-97页 |
| ·主观评价机制规则 | 第97-98页 |
| ·多级带钢表面缺陷图像分类系统 | 第98-100页 |
| ·系统构架 | 第98-99页 |
| ·主分类器设计 | 第99-100页 |
| ·应用实例 | 第100-104页 |
| ·生产应用与效果 | 第104-107页 |
| ·应用过程 | 第104-105页 |
| ·成果效益 | 第105-107页 |
| ·本章小结 | 第107-108页 |
| 第七章 总结与展望 | 第108-110页 |
| 致谢 | 第110-111页 |
| 参考文献 | 第111-117页 |
| 附件 | 第117页 |
