| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究意义 | 第10-11页 |
| 1.2 基于机器视觉的带钢表面缺陷检测系统与研究现状 | 第11-16页 |
| 1.2.1 带钢表面缺陷检测系统的结构介绍 | 第11-13页 |
| 1.2.2 视觉表面缺陷检测系统的国内外研究现状 | 第13-14页 |
| 1.2.3 视觉表面缺陷检测算法研究综述 | 第14-16页 |
| 1.3 本文的主要研究内容及结构安排 | 第16-18页 |
| 第2章 图像的非局部均值去噪算法 | 第18-26页 |
| 2.1 基于非局部均值的图像去噪方法 | 第18-20页 |
| 2.1.1 非局部均值图像去噪原理 | 第18-19页 |
| 2.1.2 非局部均值数学模型 | 第19-20页 |
| 2.2 算法比较 | 第20-24页 |
| 2.3 本章小结 | 第24-26页 |
| 第3章 非局部均值算法的改进 | 第26-36页 |
| 3.1 概述 | 第26页 |
| 3.2 噪声水平的自适应 | 第26-31页 |
| 3.2.1 图像噪声与参数h的关系 | 第26-27页 |
| 3.2.2 利用PCA方法进行噪声估计 | 第27-31页 |
| 3.3 改进前后的结果对比 | 第31-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 图像分割算法研究及光照不均校正 | 第36-49页 |
| 4.1 基于边缘检测的图像分割方法 | 第36-39页 |
| 4.1.1 微分算子 | 第36页 |
| 4.1.2 形态学梯度边缘检测 | 第36-38页 |
| 4.1.3 边缘检测实验结果对比 | 第38-39页 |
| 4.2 基于区域的分割方法 | 第39-42页 |
| 4.2.1 阈值分割法 | 第39-40页 |
| 4.2.2 基于MRF的分割法 | 第40-42页 |
| 4.3 光照不均的校正 | 第42-48页 |
| 4.3.1 非均匀光照校正方法 | 第42-44页 |
| 4.3.2 光照校正实验效果对比 | 第44-46页 |
| 4.3.3 对光照校正后的图像进行分割实验 | 第46-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第5章 缺陷特征提取 | 第49-59页 |
| 5.1 几何特征 | 第49-50页 |
| 5.2 灰度特征 | 第50-51页 |
| 5.3 不变矩与拓扑特征 | 第51-53页 |
| 5.3.1 不变矩特征 | 第51-53页 |
| 5.3.2 拓扑特征 | 第53页 |
| 5.4 纹理特征 | 第53-58页 |
| 5.5 本章小结 | 第58-59页 |
| 第6章 带钢表面缺陷的识别与分类 | 第59-65页 |
| 6.1 BP神经网络 | 第59-61页 |
| 6.1.1 BP神经网络的结构 | 第59-60页 |
| 6.1.2 BP神经网络的学习算法 | 第60-61页 |
| 6.2 实验数据的选择以及BP网络的设计 | 第61-62页 |
| 6.2.1 样本数据的归一化处理 | 第61-62页 |
| 6.2.2 BP网络的设计 | 第62页 |
| 6.3 实验结果对比 | 第62-64页 |
| 6.4 本章小结 | 第64-65页 |
| 第7章 全文总结及展望 | 第65-67页 |
| 7.1 全文总结 | 第65-66页 |
| 7.2 论文后续工作及展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 附录1 攻读硕士学位期间发表的论文 | 第73-74页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第74-75页 |
| 详细摘要 | 第75-78页 |