类圆形目标识别方法研究及系统实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 概述 | 第9-21页 |
| 1.1 类圆形目标识别的目的和意义 | 第9-17页 |
| 1.1.1 类圆形目标识别意义 | 第9-10页 |
| 1.1.2 类圆形目标识别的基本架构 | 第10-12页 |
| 1.1.3 类圆形目标识别的常用方法 | 第12-15页 |
| 1.1.4 类圆形目标识别的现有研究成果 | 第15-17页 |
| 1.2 棒材厂生产现状与本课题应用背景 | 第17-18页 |
| 1.2.1 棒材厂生产现状 | 第17-18页 |
| 1.2.2 课题应用背景 | 第18页 |
| 1.3 本论文要解决的问题 | 第18-19页 |
| 1.4 小结 | 第19-21页 |
| 第二章 类圆形识别核心算法 | 第21-43页 |
| 2.1 类圆形识别新思想与处理流程 | 第21-23页 |
| 2.1.1 类圆形目标分类 | 第21-22页 |
| 2.1.2 基于中心增强的识别新方法概述 | 第22-23页 |
| 2.2 边缘检测 | 第23-30页 |
| 2.2.1 灰度变化形式分析 | 第23-24页 |
| 2.2.2 常见边缘检测方法 | 第24-26页 |
| 2.2.3 八方向边缘检测方法 | 第26-28页 |
| 2.2.4 算法复杂度分析 | 第28-29页 |
| 2.2.5 改进的边缘检测算法——Log算子方法 | 第29-30页 |
| 2.3 中心增强 | 第30-34页 |
| 2.3.1 区域统计法 | 第30-32页 |
| 2.3.2 区域统计的改进算法——干杯算法 | 第32-34页 |
| 2.3.3 区域统计方法的进一步改进方案 | 第34页 |
| 2.4 重心聚合 | 第34-39页 |
| 2.4.1 常见聚类算法简介 | 第34-36页 |
| 2.4.2 桶聚类 | 第36-38页 |
| 2.4.3 局部范围最大值聚类 | 第38-39页 |
| 2.5 团块性状判别 | 第39-42页 |
| 2.5.1 点密度集聚性指标考察 | 第39-40页 |
| 2.5.2 点质量集聚性指标考察 | 第40-41页 |
| 2.5.3 方向性考察 | 第41-42页 |
| 2.6 小结 | 第42-43页 |
| 第三章 棒材计数系统的架构与实现 | 第43-62页 |
| 3.1 系统需求分析 | 第43-45页 |
| 3.1.1 系统硬件分析 | 第43-44页 |
| 3.1.2 系统软件需求分析 | 第44-45页 |
| 3.2 系统功能分析 | 第45-47页 |
| 3.3 系统详细设计 | 第47-57页 |
| 3.3.1 读取图像模块 | 第47-48页 |
| 3.3.2 划定区域模块 | 第48-49页 |
| 3.3.3 获取半径模块 | 第49-50页 |
| 3.3.4 图像处理模块 | 第50-52页 |
| 3.3.5 辅助确认模块 | 第52-57页 |
| 3.4 VB与VC++混合编程 | 第57-61页 |
| 3.4.1 VB与VC++混合编程的基本方法 | 第57-58页 |
| 3.4.2 VB与VC++混合编程的参数传递 | 第58-61页 |
| 3.5 小结 | 第61-62页 |
| 第四章 系统实现中图像预处理方法的应用 | 第62-75页 |
| 4.1 图像预处理方法的基础应用 | 第62-64页 |
| 4.2 区域自动划定 | 第64-70页 |
| 4.2.1 旋转扫描法得红色区域 | 第64-67页 |
| 4.2.2 推移法得到较光滑封闭曲线 | 第67-68页 |
| 4.2.3 投影法得到区域填充结果 | 第68-70页 |
| 4.3 半径提取 | 第70-74页 |
| 4.3.1 图像二值化 | 第71-72页 |
| 4.3.2 距离化求取半径 | 第72-74页 |
| 4.4 小结 | 第74-75页 |
| 第五章 结果与分析 | 第75-82页 |
| 5.1 类圆形图像识别结果与分析 | 第75-77页 |
| 5.1.1 棒材图像与药片图像识别结果 | 第75-76页 |
| 5.1.2 自制图像识别结果 | 第76-77页 |
| 5.2 棒材识别系统处理结果与分析 | 第77-81页 |
| 5.2.1 预处理结果 | 第77-78页 |
| 5.2.2 系统运行结果 | 第78-81页 |
| 5.3 小结 | 第81-82页 |
| 第六章 总结与展望 | 第82-84页 |
| 参考文献 | 第84-87页 |
| 致谢 | 第87-88页 |
