木材表面灰度缺陷识别中图像分析方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 课题背景与研究意义 | 第8-9页 |
| 1.2 木材表面缺陷检测技术研究现状 | 第9-13页 |
| 1.3 课题研究的主要内容 | 第13-15页 |
| 第二章 照明方案设计与缺陷样本库收集 | 第15-25页 |
| 2.1 木材缺陷的种类 | 第15-16页 |
| 2.2 光学照明系统设计 | 第16-21页 |
| 2.2.1 照明光源的选择 | 第17-20页 |
| 2.2.2 照明方式的设计 | 第20-21页 |
| 2.3 木材表面缺陷视觉检测系统 | 第21-22页 |
| 2.4 木材表面缺陷样本库收集 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 木材表面图像预处理 | 第25-39页 |
| 3.1 数字图像处理技术 | 第25-26页 |
| 3.1.1 木材表面图像预处理 | 第25-26页 |
| 3.2 图像灰度补偿 | 第26-34页 |
| 3.2.1 照明光源亮度分析 | 第26-28页 |
| 3.2.2 图像灰度补偿原理 | 第28-29页 |
| 3.2.3 基于照射—反射模型的灰度补偿法 | 第29-34页 |
| 3.3 图像几何归一化 | 第34-36页 |
| 3.3.1 图像分块方法 | 第35-36页 |
| 3.4 图像平滑滤波 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 缺陷识别中最优统计特征量的确定 | 第39-48页 |
| 4.1 图像特征提取的概念 | 第39页 |
| 4.2 灰度直方图及其统计特征量 | 第39-45页 |
| 4.2.1 灰度直方图的概念 | 第39-41页 |
| 4.2.2 灰度直方图的统计特征量 | 第41-42页 |
| 4.2.3 各特征量对木材的分类效果 | 第42-45页 |
| 4.3 最优统计特征量的确定 | 第45-47页 |
| 4.3.1 类间距离判别法 | 第45-46页 |
| 4.3.2 实验结果分析 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 分类阈值选取方法与识别率测定实验 | 第48-56页 |
| 5.1 方法的提出 | 第48-50页 |
| 5.1.1 最大类间方差法 | 第49-50页 |
| 5.2 最大类间方差聚类法 | 第50-54页 |
| 5.3 识别率测定实验 | 第54-55页 |
| 5.4 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第63页 |
