基于机器视觉的禽蛋破损检测系统
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题来源及研究意义 | 第8页 |
| ·国内外研究现状及分析 | 第8-12页 |
| ·论文的研究内容 | 第12-14页 |
| 第二章 机器视觉系统的设计 | 第14-21页 |
| ·光源技术 | 第14-18页 |
| ·前光源 | 第15-16页 |
| ·背光源 | 第16页 |
| ·环形光源 | 第16-17页 |
| ·点光源 | 第17页 |
| ·可调光源 | 第17-18页 |
| ·摄像机技术 | 第18-20页 |
| ·数字摄像机 | 第19页 |
| ·分辨率 | 第19-20页 |
| ·机器视觉系统硬件组成 | 第20页 |
| ·本章小结 | 第20-21页 |
| 第三章 机器视觉中的边缘检测技术 | 第21-38页 |
| ·边缘检测的方法分类 | 第21-36页 |
| ·经典边缘检测算法 | 第22-29页 |
| ·以能量最小化作为准则的全局提取法 | 第29-30页 |
| ·以新的数学工具为基础的边缘检测算法 | 第30-36页 |
| ·边缘检测的评价标准 | 第36-37页 |
| ·Canny准则 | 第36-37页 |
| ·Pratt品质因数 | 第37页 |
| ·小结 | 第37-38页 |
| 第四章 模式识别 | 第38-55页 |
| ·图像分割 | 第38-45页 |
| ·使用阈值对图像分割 | 第39-41页 |
| ·基于区域的图像分割方法 | 第41-43页 |
| ·边缘检测和连接 | 第43-45页 |
| ·图像特征选择与提取 | 第45-51页 |
| ·兴趣点提取与标定 | 第46-47页 |
| ·直线提取 | 第47-49页 |
| ·圆弧提取 | 第49-51页 |
| ·分类 | 第51-54页 |
| ·分类特征选择 | 第51-53页 |
| ·Bayes理论 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 检测系统设计与实现 | 第55-61页 |
| ·检测系统设计 | 第55-57页 |
| ·RGB转灰度图像 | 第55-56页 |
| ·阈值自适应 | 第56页 |
| ·反锐化掩模 | 第56-57页 |
| ·基于特征处理 | 第57页 |
| ·实验结果 | 第57-60页 |
| ·本章小结 | 第60-61页 |
| 第六章 全文总结与工作展望 | 第61-62页 |
| ·总结 | 第61页 |
| ·展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间主要研究成果 | 第67页 |
