首页--工业技术论文--轻工业、手工业论文--印刷工业论文--一般性问题论文--制版技术论文

印刷制版的缺陷检测技术研究

摘要第5-6页
Abstract第6页
第1章 绪论第10-19页
    1.1 课题背景及意义第10-11页
    1.2 国内外研究现状分析第11-16页
        1.2.1 图像配准算法研究现状第11-13页
        1.2.2 缺陷检测技术研究现状第13-14页
        1.2.3 印刷品缺陷检测系统应用现状第14-16页
        1.2.4 现状分析与总结第16页
    1.3 论文主要工作及结构安排第16-19页
第2章 印刷制版的缺陷检测系统总体方案设计第19-34页
    2.1 系统总体方案设计第19-20页
    2.2 图像获取平台的搭建第20-29页
        2.2.1 硬件选型及设计第20-25页
        2.2.2 平台搭建及连接第25-27页
        2.2.3 PLC程序设计和相机参数设置第27-29页
    2.3 相机标定理论第29-32页
        2.3.1 投影变换与相机参数第30-31页
        2.3.2 标定过程第31-32页
    2.4 算法方案设计第32-33页
    2.5 本章小结第33-34页
第3章 基于改进SURF算子的印刷品图像匹配第34-51页
    3.1 图像分割基础第34-36页
    3.2 常用特征点检测算子第36-39页
        3.2.1 Harris特征第37-38页
        3.2.2 SUSAN算法第38-39页
    3.3 基于SURF算子的特征点检测第39-42页
        3.3.1 积分图第40页
        3.3.2 兴趣点检测第40-41页
        3.3.3 尺度空间第41-42页
    3.4 改进SRUF特征描述及快速匹配第42-46页
        3.4.1 改进的特征点描述方法第43-44页
        3.4.2 基于BBF策略改进的图像快速匹配第44-45页
        3.4.3 基于RANSAC算法剔除误配点第45-46页
    3.5 实验结果分析第46-50页
        3.5.1 改进描述子匹配效果实验第46-49页
        3.5.2 剔除误配点实验第49-50页
    3.6 本章小结第50-51页
第4章 印刷制版缺陷检测及分类第51-71页
    4.1 参数确定及图像变换第51-55页
        4.1.1 参数估计第51-53页
        4.1.2 图像变换和灰度插值第53-55页
    4.2 缺陷检测及连通域分析第55-60页
        4.2.1 差分及形态学处理第56-59页
        4.2.2 连通域分析第59-60页
    4.3 基于GA-BP神经网络的印刷品缺陷分类第60-67页
        4.3.1 人工神经网络第61-62页
        4.3.2 GA-BP神经网络第62-65页
        4.3.3 缺陷特征提取第65-66页
        4.3.4 分类器设计第66-67页
    4.4 印刷制版缺陷分类第67-70页
        4.4.1 BP神经网络结构参数优化第67-68页
        4.4.2 印刷制版缺陷分类第68-70页
    4.5 本章小结第70-71页
第5章 印刷制版缺陷检测系统实现第71-79页
    5.1 软件平台选择及配置第71页
    5.2 软件功能分析及架构第71-73页
    5.3 系统工作界面介绍第73-78页
        5.3.1 系统主界面第73-74页
        5.3.2 工具栏第74-77页
        5.3.3 系统操作流程第77-78页
    5.4 本章小结第78-79页
第6章 总结与展望第79-81页
    6.1 工作总结第79-80页
    6.2 工作展望第80-81页
参考文献第81-85页
致谢第85-86页
攻读硕士学位期间发表的学术论文第86页

论文共86页,点击 下载论文
上一篇:消解个性的装饰--基于对整容现象的分析与反思
下一篇:山西广灵剪纸数字化推广设计研究