基于视频的单板自动分级与分拣方法研究
| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 课题背景及研究意义 | 第8-9页 |
| 1.2 计算机视觉技术应用现状 | 第9-10页 |
| 1.3 国内外单板检测技术研究现状 | 第10-13页 |
| 1.3.1 国外研究现状 | 第10-11页 |
| 1.3.2 国内研究现状 | 第11-12页 |
| 1.3.3 单板检测方法概述 | 第12-13页 |
| 1.3.4 目前存在的问题 | 第13页 |
| 1.4 论文的研究内容及章节安排 | 第13-15页 |
| 1.4.1 主要研究内容 | 第13-14页 |
| 1.4.2 章节安排 | 第14-15页 |
| 第二章 单板图像采集与预处理 | 第15-31页 |
| 2.1 单板视频图像采集 | 第15-22页 |
| 2.1.1 环境介绍 | 第15页 |
| 2.1.2 视频图像采集实现 | 第15-19页 |
| 2.1.3 采集软件二次开发 | 第19-22页 |
| 2.2 单板检测流程 | 第22-23页 |
| 2.3 单板图像预处理 | 第23-30页 |
| 2.3.1 图像滤波 | 第23-24页 |
| 2.3.2 单板图像滤波实验结果对比 | 第24-25页 |
| 2.3.3 图像增强 | 第25-29页 |
| 2.3.4 单板图像增强实验结果对比 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 单板图像分割算法的研究 | 第31-51页 |
| 3.1 彩色空间 | 第31-33页 |
| 3.1.1 RGB彩色空间 | 第31页 |
| 3.1.2 HSI彩色空间 | 第31-32页 |
| 3.1.3 从RGB到HSI彩色空间的变换 | 第32-33页 |
| 3.2 图像分割技术 | 第33-35页 |
| 3.2.1 图像分割定义 | 第33页 |
| 3.2.2 图像分割方法概述 | 第33-35页 |
| 3.3 基于单通道改进的K-均值分割方法 | 第35-38页 |
| 3.3.1 单板图像的分析 | 第35-37页 |
| 3.3.2 基于单通道改进的K-均值分割方法 | 第37页 |
| 3.3.3 实验结果与分析 | 第37-38页 |
| 3.4 基于四分位数改进分水岭算法 | 第38-50页 |
| 3.4.1 梯度检测 | 第39-42页 |
| 3.4.2 预分割区域颜色排序 | 第42-46页 |
| 3.4.3 基于四分位数分析的区域合并 | 第46-48页 |
| 3.4.4 实验结果与分析 | 第48-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第四章 单板的分级与分拣 | 第51-65页 |
| 4.1 特征提取 | 第51-55页 |
| 4.1.1 边缘提取 | 第51-52页 |
| 4.1.2 计算凸包 | 第52-53页 |
| 4.1.3 凸包缺陷 | 第53页 |
| 4.1.4 最小外接矩形 | 第53-54页 |
| 4.1.5 实验结果 | 第54-55页 |
| 4.2 测量方法 | 第55-58页 |
| 4.2.1 常用测量方法 | 第55-57页 |
| 4.2.2 本文测量方法 | 第57-58页 |
| 4.3 单板的分级 | 第58-62页 |
| 4.3.1 SVM介绍 | 第58-60页 |
| 4.3.2 基于SVM的单板分级 | 第60-61页 |
| 4.3.3 实验结果 | 第61-62页 |
| 4.4 单板的分拣 | 第62-64页 |
| 4.5 本章小结 | 第64-65页 |
| 总结与展望 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72-73页 |
| 个人简历 | 第73页 |
| 在学期间的研究成果及发表的学术论文 | 第73页 |
