| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题背景及研究目的 | 第8页 |
| 1.2 基于视觉的工件识别技术的现状和发展趋势 | 第8-12页 |
| 1.2.1 国外研究现状 | 第9-11页 |
| 1.2.2 国内研究现状 | 第11页 |
| 1.2.3 工件识别技术的发展趋势 | 第11-12页 |
| 1.3 论文的主要工作与章节安排 | 第12-14页 |
| 1.3.1 研究工作 | 第12-13页 |
| 1.3.2 章节安排 | 第13-14页 |
| 第二章 工件图像预处理 | 第14-27页 |
| 2.1 图像算法优劣的评价 | 第14-15页 |
| 2.1.1 主观评价方法 | 第14-15页 |
| 2.1.2 参数化评价方法 | 第15页 |
| 2.2 工件图像的灰度处理 | 第15-17页 |
| 2.3 工件图像的平滑去噪 | 第17-21页 |
| 2.3.1 均值滤波 | 第17-19页 |
| 2.3.2 高斯滤波法 | 第19-20页 |
| 2.3.3 中值滤波法 | 第20-21页 |
| 2.4 数学形态学 | 第21-25页 |
| 2.4.1 灰度形态学 | 第22-23页 |
| 2.4.2 一种保护边缘的去噪算法 | 第23-25页 |
| 2.5 图像对比度增强 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 基于机器视觉理论的特征提取算法 | 第27-44页 |
| 3.1 工件识别方法 | 第27-28页 |
| 3.2 图像特征提取概述 | 第28-29页 |
| 3.3 全局特征提取 | 第29-31页 |
| 3.3.1 直方图特征 | 第29页 |
| 3.3.2 纹理特征 | 第29-30页 |
| 3.3.3 形状特征 | 第30-31页 |
| 3.4 局部特征提取 | 第31-42页 |
| 3.4.1 角点特征检测 | 第32-33页 |
| 3.4.2 斑点特征检测 | 第33-35页 |
| 3.4.3 两类点特征提取算法的比较 | 第35-42页 |
| 3.5 工件识别技术的特征选择 | 第42-43页 |
| 3.5.1 工件识别方法分析 | 第42页 |
| 3.5.2 本文提出的特征提取算法 | 第42-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第四章 基于FAST角点的工件图像匹配 | 第44-57页 |
| 4.1 图像匹配理论概述 | 第44-45页 |
| 4.2 结合FAST和SHI-TOMASI的角点提取 | 第45-47页 |
| 4.2.1 Fast算法原理 | 第45-46页 |
| 4.2.2 Shi-Tomasi算法原理 | 第46页 |
| 4.2.3 改进的Fast算法 | 第46-47页 |
| 4.3 SURF特征描述符 | 第47-49页 |
| 4.4 特征匹配 | 第49-52页 |
| 4.4.1 相似性度量 | 第49-50页 |
| 4.4.2 LSH算法基本原理 | 第50-51页 |
| 4.4.3 随机抽样一致性算法精匹配 | 第51-52页 |
| 4.5 实验结果和分析 | 第52-55页 |
| 4.6 本章小结 | 第55-57页 |
| 第五章 基于机器视觉的工件识别软硬件设计 | 第57-63页 |
| 5.1 工件识别硬件系统 | 第57-58页 |
| 5.1.1 光源系统 | 第57页 |
| 5.1.2 CCD摄像机 | 第57-58页 |
| 5.1.3 计算机 | 第58页 |
| 5.2 软件设计 | 第58-60页 |
| 5.2.1 软件模块划分 | 第58-60页 |
| 5.2.2 界面设计 | 第60页 |
| 5.3 应用实例 | 第60-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 在读期间公开发表的论文 | 第68-69页 |
| 致谢 | 第69页 |