图像矫正与图像边缘检测在铝扁管裂缝检测中的应用
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题的研究背景 | 第9-10页 |
| 1.2 课题的研究意义 | 第10-11页 |
| 1.3 国内外的研究现状 | 第11-13页 |
| 1.3.1 单光照颜色恒常性研究 | 第11-13页 |
| 1.4 论文主要内容安排 | 第13-14页 |
| 第二章 基于LS-SVR算法融合的图像矫正 | 第14-24页 |
| 2.1 引言 | 第14页 |
| 2.2 候选颜色恒常性算法 | 第14-16页 |
| 2.2.1 Max-RGB颜色恒常性算法 | 第14-15页 |
| 2.2.2 Grey-World颜色恒常性算法 | 第15页 |
| 2.2.3 Grey-Edge颜色恒常性算法 | 第15-16页 |
| 2.3 最小二乘支持向量回归理论 | 第16-17页 |
| 2.4 五种颜色恒常性算法估计结果与融合 | 第17-23页 |
| 2.4.1 相关工作准备 | 第17-18页 |
| 2.4.2 实验步骤 | 第18-19页 |
| 2.4.3 实验结果与分析 | 第19-20页 |
| 2.4.4 图像矫正结果 | 第20-23页 |
| 2.5 本章总结 | 第23-24页 |
| 第三章 基于稀疏化LS-SVR算法的图像矫正 | 第24-32页 |
| 3.1 引言 | 第24页 |
| 3.2 LS-SVR的稀疏化方法 | 第24-25页 |
| 3.3 实验仿真流程 | 第25-27页 |
| 3.4 结果与分析 | 第27-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 基于图像边缘检测的铝扁管裂缝检测 | 第32-50页 |
| 4.1 图像边缘检测方法 | 第32-37页 |
| 4.1.1 灰度图像边缘检测算法 | 第32-36页 |
| 4.1.2 经典的彩色图像边缘检测方法 | 第36-37页 |
| 4.2 图像的纹理特征 | 第37-39页 |
| 4.3 实验解决方案 | 第39-46页 |
| 4.3.1 铝扁管生产情况 | 第39-40页 |
| 4.3.2 实验准备工作 | 第40-42页 |
| 4.3.3 实验方案设计 | 第42-46页 |
| 4.4 实验结果与分析 | 第46-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 个人简历 在读期间发表的学术论文 | 第55-56页 |
| 致谢 | 第56页 |
