基于SVM安瓿药液杂质检测与识别算法的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-28页 |
| 1.1 课题研究背景与研究意义 | 第11-13页 |
| 1.2 安瓿药液异物检测系统的国内外研究现状 | 第13-15页 |
| 1.3 论文的主要研究内容和章节安排 | 第15-16页 |
| 1.3.1 主要研究内容 | 第15页 |
| 1.3.2 章节安排 | 第15-16页 |
| 1.4 安瓿药液可见异物检测系统主要相关技术理论 | 第16-28页 |
| 1.4.1 机器视觉技术 | 第16-17页 |
| 1.4.2 自动识别技术 | 第17-18页 |
| 1.4.3 溶液杂质检测技术 | 第18页 |
| 1.4.4 统计学习理论 | 第18-21页 |
| 1.4.5 支持向量机 | 第21-28页 |
| 第二章 安瓿药液杂质检测的图像预处理方法 | 第28-33页 |
| 2.1 安瓿药液可见异物检测流程设计 | 第28-29页 |
| 2.2 安瓿药液图像预处理 | 第29-32页 |
| 2.2.1 图像增强 | 第29页 |
| 2.2.2 灰度值归一化 | 第29-30页 |
| 2.2.3 图像平滑 | 第30-32页 |
| 2.3 本章小结 | 第32-33页 |
| 第三章 安瓿药液异物图像配准方法 | 第33-45页 |
| 3.1 图像配准简介 | 第33页 |
| 3.2 图像配准方法分类 | 第33-34页 |
| 3.3 图像配准的流程 | 第34-35页 |
| 3.4 基于LS-SVM的图像配准方法 | 第35-39页 |
| 3.4.1 最小二乘支持向量机原理 | 第35-38页 |
| 3.4.2 基于LS-SVM的变换模型估计 | 第38-39页 |
| 3.5 图像插值 | 第39-41页 |
| 3.5.1 最近邻插值法 | 第39-40页 |
| 3.5.2 双线性内插法 | 第40页 |
| 3.5.3 三次卷积内插法 | 第40-41页 |
| 3.6 实验结果与分析 | 第41-43页 |
| 3.7 本章小结 | 第43-45页 |
| 第四章 安瓿药液检测杂质的识别算法 | 第45-53页 |
| 4.1 引言 | 第45页 |
| 4.2 运动目标轨迹的跟踪 | 第45-48页 |
| 4.2.1 背景差分法 | 第45-47页 |
| 4.2.2 帧间差分法 | 第47-48页 |
| 4.2.3 光流法 | 第48页 |
| 4.3 运动目标轨迹的跟踪方法优势比较 | 第48页 |
| 4.4 改进的差分方法研究 | 第48-49页 |
| 4.5 基于SVM的杂质识别算法 | 第49-50页 |
| 4.6 实验结果与误差分析 | 第50-52页 |
| 4.6.1 实验结果 | 第50-52页 |
| 4.6.2 误差分析 | 第52页 |
| 4.7 本章小结 | 第52-53页 |
| 总结与展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间发表的论文及申请的专利 | 第59-61页 |
| 致谢 | 第61页 |
