基于数字图像的磨料流加工表面粗糙度测量
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 符号说明 | 第9-11页 |
| 第一章 绪论 | 第11-25页 |
| ·研究背景 | 第11-12页 |
| ·表面粗糙度测量技术综述 | 第12-17页 |
| ·表面粗糙度测量标准及变化 | 第12-13页 |
| ·表面粗糙度标准评定参数和术语 | 第13-17页 |
| ·表面粗糙度测量现状 | 第17-21页 |
| ·接触式测量 | 第17-18页 |
| ·非接触式测量 | 第18-20页 |
| ·基于数字图像的表面粗糙度测量 | 第20-21页 |
| ·表面粗糙度测量技术的发展趋势 | 第21页 |
| ·磨料流加工 | 第21-22页 |
| ·本文的目的和意义 | 第22-25页 |
| 第二章 数字图像处理技术及应用 | 第25-37页 |
| ·数字图像基础 | 第25-26页 |
| ·图像形成模型 | 第25-26页 |
| ·数字图像的取样和量化 | 第26页 |
| ·数字图像表示 | 第26页 |
| ·空间和灰度级分辨率 | 第26页 |
| ·表面粗糙度检测系统模型 | 第26-28页 |
| ·图像测量设备 | 第28-32页 |
| ·CCD | 第28-30页 |
| ·光源选择 | 第30-32页 |
| ·MATLAB 简介 | 第32-35页 |
| ·MATLAB 的优势和特点 | 第32-34页 |
| ·MATLAB 图像处理工具箱 | 第34页 |
| ·MATLAB 图像采集工具箱 | 第34-35页 |
| ·本章小结 | 第35-37页 |
| 第三章 表面粗糙度测量系统的建立 | 第37-45页 |
| ·磨料流加工表面粗糙度测试样块制作 | 第37-42页 |
| ·磨料流加工工艺 | 第37-38页 |
| ·样块制作 | 第38-42页 |
| ·图像测量系统硬件介绍 | 第42-43页 |
| ·图像测量系统硬件部分 | 第42页 |
| ·图像测量系统软件部分 | 第42-43页 |
| ·本章小结 | 第43-45页 |
| 第四章 磨料流加工表面图像处理 | 第45-63页 |
| ·图像预处理 | 第45-47页 |
| ·变换处理 | 第46-47页 |
| ·图像增强 | 第47-54页 |
| ·空间域图像增强 | 第47-50页 |
| ·频率域图像处理 | 第50-51页 |
| ·形态学图像处理 | 第51-54页 |
| ·图像分割 | 第54-60页 |
| ·边缘检测 | 第54-56页 |
| ·阈值处理 | 第56-60页 |
| ·图像的纹理分析 | 第60页 |
| ·图像的表示与描述 | 第60-61页 |
| ·本章小结 | 第61-63页 |
| 第五章 磨料流加工图像描述特征提取和识别 | 第63-75页 |
| ·图像处理 | 第63-64页 |
| ·图像特征值提取 | 第64-67页 |
| ·表面粗糙度神经网络测量系统建立 | 第67-73页 |
| ·人工神经网络的模型 | 第68页 |
| ·BP 学习规则 | 第68-69页 |
| ·BP 网络的训练及设计 | 第69-73页 |
| ·本章小结 | 第73-75页 |
| 第六章 磨料流加工表面粗糙度测量系统软件实现 | 第75-81页 |
| ·图像处理软件界面 | 第75页 |
| ·图像处理功能 | 第75-77页 |
| ·特征值获取和神经网络系统 | 第77-79页 |
| ·本章小结 | 第79-81页 |
| 第七章 总结和展望 | 第81-83页 |
| ·总结 | 第81-82页 |
| ·展望 | 第82-83页 |
| 参考文献 | 第83-87页 |
| 附录 | 第87-91页 |
| 致谢 | 第91-93页 |
| 攻读学位期间发表的学术论文 | 第93页 |
