摘要 | 第1-7页 |
Abstract | 第7-13页 |
第1章 绪论 | 第13-27页 |
·课题的研究目的和意义 | 第13-15页 |
·课题来源 | 第13页 |
·课题研究背景 | 第13-14页 |
·研究目的和意义 | 第14-15页 |
·国内外机器视觉理论研究现状及分析 | 第15-19页 |
·机器视觉技术的现状分析 | 第15-16页 |
·图像处理技术的发展现状 | 第16-19页 |
·基于机器视觉的坯布表面质量检测技术现状 | 第19-24页 |
·基于机器视觉的坯布表面检测中图像处理技术的现状 | 第19-22页 |
·坯布表面质量检测机器视觉系统的研究现状 | 第22-24页 |
·目前存在的关键技术问题 | 第24-25页 |
·论文的主要研究内容 | 第25-27页 |
第2章 基于机器视觉的坯布表面质量检测系统总体设计 | 第27-36页 |
·基于分布式的系统结构 | 第27-28页 |
·系统主要硬件 | 第28-30页 |
·线扫描相机 | 第29页 |
·采集卡 | 第29-30页 |
·光源 | 第30页 |
·其它组成元件的功能 | 第30页 |
·图像采集 | 第30-32页 |
·图像处理 | 第32-35页 |
·软件模块 | 第32-33页 |
·处理流程 | 第33-35页 |
·本章小结 | 第35-36页 |
第3章 坯布图像预处理算法 | 第36-58页 |
·一种基于互功率谱的坯布图像配准算法 | 第37-41页 |
·傅立叶变换位移理论 | 第37页 |
·基于互功率谱的坯布图像配准方法 | 第37-39页 |
·配准结果 | 第39-41页 |
·图像去噪 | 第41-44页 |
·噪声来源和类型 | 第41页 |
·去噪的基本方法 | 第41-42页 |
·坯布图像去噪 | 第42-44页 |
·纹理处理 | 第44-52页 |
·一般处理方法 | 第45-48页 |
·一种基于扇-环能量统计的谱特征提取方法 | 第48-50页 |
·坯布纹理处理 | 第50-52页 |
·滤波类算子优化方法 | 第52-57页 |
·滤波类算子分类及不同类型算子的优化方法 | 第53-55页 |
·实例分析 | 第55-56页 |
·滤波优化效果分析 | 第56-57页 |
·本章小结 | 第57-58页 |
第4章 疵点缺陷识别算法 | 第58-77页 |
·边缘增强 | 第59-63页 |
·经典算子 | 第59-62页 |
·坯布疵点边缘检测 | 第62-63页 |
·增强后边缘分割 | 第63-69页 |
·一般方法 | 第63页 |
·模糊阈值分割 | 第63-64页 |
·一种基于自适应门限的疵点区域分割方法 | 第64-68页 |
·坯布疵点区域分割 | 第68-69页 |
·分割后图像的后处理 | 第69-74页 |
·形态学处理 | 第69-70页 |
·一种基于形态学的疵点快速标记算法 | 第70-72页 |
·特征描述与提取 | 第72-74页 |
·坯布疵点区域识别过程 | 第74-76页 |
·本章小结 | 第76-77页 |
第5章 基于改进BP神经网络的坯布疵点分类器与质量定级方法 | 第77-87页 |
·一种基于一维信号局部峰值自适应识别算法 | 第77-80页 |
·统一描述特征 | 第80-82页 |
·一种基于改进BP神经网络的坯布疵点分类器 | 第82-84页 |
·常用分类方法 | 第82页 |
·基于改进BP神经网络的坯布疵点分类器设计 | 第82-83页 |
·坯布疵点分类 | 第83-84页 |
·坯布质量定级 | 第84-86页 |
·织物检验标准 | 第84页 |
·四分制评分 | 第84-86页 |
·本章小结 | 第86-87页 |
第6章 系统实现与运行实例 | 第87-98页 |
·软件功能 | 第88-89页 |
·软件使用说明 | 第89-91页 |
·服务端系统界面介绍 | 第89-90页 |
·处理机端系统界面介绍 | 第90-91页 |
·处理机端配置文件 | 第91页 |
·产品检测流程 | 第91-95页 |
·查看配置文件 | 第92-93页 |
·登记产品信息 | 第93页 |
·系统控制 | 第93页 |
·数据整理 | 第93页 |
·报表服务 | 第93-94页 |
·数据管理 | 第94-95页 |
·系统实例 | 第95-97页 |
·本章小结 | 第97-98页 |
第7章 全文结论与工作展望 | 第98-100页 |
·全文总结 | 第98-99页 |
·工作展望 | 第99-100页 |
参考文献 | 第100-112页 |
致谢 | 第112-113页 |
攻读学位期间发表的论文和科研情况 | 第113-115页 |
作者简介 | 第115页 |