| 摘要 | 第7-8页 |
| ABSTRACT | 第8-9页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10页 |
| 1.2 课题的目的及意义 | 第10-12页 |
| 1.3 国内外研究现状 | 第12-13页 |
| 1.3.1 国内研究现状 | 第12页 |
| 1.3.2 国外研究现状 | 第12-13页 |
| 1.4 论文的主要结构安排 | 第13-14页 |
| 第2章 铝板复杂缺陷检测系统概述 | 第14-24页 |
| 2.1 系统基本要求 | 第14页 |
| 2.2 系统基本原理 | 第14-15页 |
| 2.3 系统基本架构 | 第15-22页 |
| 2.3.1 硬件组成 | 第17-18页 |
| 2.3.2 测量系统软件系统 | 第18-22页 |
| 2.4 本章小结 | 第22-24页 |
| 第3章 铝板复杂缺陷图像预处理 | 第24-38页 |
| 3.1 铝板表面缺陷介绍 | 第24-26页 |
| 3.2 预处理 | 第26-29页 |
| 3.2.1 铝板表面图像减背景处理 | 第26-27页 |
| 3.2.2 铝板表面图像滤波 | 第27-29页 |
| 3.3 图像分割 | 第29-37页 |
| 3.3.1 阈值分割 | 第29-30页 |
| 3.3.2 区域分割 | 第30-32页 |
| 3.3.3 边缘检测用于铝板缺陷图像分割 | 第32-34页 |
| 3.3.4 实验分析 | 第34-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 铝板复杂缺陷图像特征提取 | 第38-48页 |
| 4.1 特征提取概述 | 第38-39页 |
| 4.2 铝板缺陷特征提取 | 第39-44页 |
| 4.2.1 区域特征 | 第39-40页 |
| 4.2.2 轮廓特征 | 第40-42页 |
| 4.2.3 纹理特征 | 第42-43页 |
| 4.2.4 灰度特征 | 第43-44页 |
| 4.3 特征提取结果与特征数据标准化 | 第44-47页 |
| 4.3.1 铝板缺陷特征提取结果 | 第44-45页 |
| 4.3.2 铝板缺陷特征标准化处理 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 铝板复杂缺陷分类的实现 | 第48-66页 |
| 5.1 SVM分类器 | 第48-58页 |
| 5.1.1 统计学习理论 | 第48-49页 |
| 5.1.2 SVM分类原理 | 第49-55页 |
| 5.1.3 SVM算法常见核函数 | 第55-56页 |
| 5.1.4 SVM分类器分类方法 | 第56-58页 |
| 5.2 SVM模型构建及新缺陷识别分类实现 | 第58-63页 |
| 5.2.1 已知铝板缺陷类型的SVM模型构建 | 第59-61页 |
| 5.2.2 新缺陷的人工分类机制及其SVM模板构建 | 第61-63页 |
| 5.3 本章小结 | 第63-66页 |
| 第6章 总结与展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 在学期间主要研究成果 | 第74页 |