| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 课题背景和意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.2.1 机器视觉检测技术 | 第15页 |
| 1.2.2 光照不均匀图像增强 | 第15-16页 |
| 1.2.3 划痕检测技术 | 第16-17页 |
| 1.3 本课题的研究目标、研究内容和解决的关键技术 | 第17-18页 |
| 1.3.1 研究目标 | 第17页 |
| 1.3.2 研究内容和解决的关键技术 | 第17-18页 |
| 1.4 本文结构 | 第18-20页 |
| 第二章 光照模型和亮度补偿 | 第20-33页 |
| 2.1 光照模型概述 | 第20-23页 |
| 2.1.1 局部光照模型 | 第20-22页 |
| 2.1.2 Lambert光照模型 | 第22页 |
| 2.1.3 Phong光照模型 | 第22-23页 |
| 2.1.4 整体光照模型 | 第23页 |
| 2.2 羽毛图像的采集 | 第23-24页 |
| 2.3 侧光图像的光照分析与亮度补偿 | 第24-28页 |
| 2.3.1 侧光图像的光照分析 | 第24-26页 |
| 2.3.2 侧光图像的亮度补偿 | 第26-28页 |
| 2.4 正光图像的光照分析与亮度补偿 | 第28-31页 |
| 2.4.1 正光图像的光照分析 | 第28-30页 |
| 2.4.2 正光图像的亮度补偿 | 第30-31页 |
| 2.5 本章小结 | 第31-33页 |
| 第三章 羽毛杆图像增强 | 第33-45页 |
| 3.1 羽毛杆缺陷的基本分类和缺陷特征 | 第33-34页 |
| 3.2 光照不均图像增强的一般方法 | 第34-37页 |
| 3.2.1 灰度变换法 | 第34-35页 |
| 3.2.2 同态滤波法 | 第35页 |
| 3.2.3 Retinex增强方法 | 第35-37页 |
| 3.3 一般增强方法的应用与分析 | 第37-39页 |
| 3.4 小波—同态滤波图像增强 | 第39-44页 |
| 3.4.1 小波变换 | 第39-41页 |
| 3.4.2 羽毛杆图像增强 | 第41-43页 |
| 3.4.3 羽毛杆图像增强结果及分析 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 羽毛杆划痕检测 | 第45-57页 |
| 4.1 基于数理统计的划痕检测法 | 第45-49页 |
| 4.1.1 常用统计量 | 第45-46页 |
| 4.1.2 羽毛杆灰度样本数据 | 第46-47页 |
| 4.1.3 羽毛杆各统计量计算 | 第47-48页 |
| 4.1.4 基于统计量的划痕检测试验 | 第48-49页 |
| 4.2 基于图像分割的羽毛杆划痕检测法 | 第49-56页 |
| 4.2.1 改进的OTSU图像分割算法 | 第49-52页 |
| 4.2.2 形态学滤波 | 第52-53页 |
| 4.2.3 自适应形态滤波 | 第53-56页 |
| 4.2.4 基于图像分割的划痕检测试验 | 第56页 |
| 4.3 本章小结 | 第56-57页 |
| 第五章 羽毛杆划痕的融合判别 | 第57-65页 |
| 5.1 图像融合 | 第57-60页 |
| 5.1.1 图像融合的层次 | 第58-59页 |
| 5.1.2 图像融合质量评价方法 | 第59-60页 |
| 5.2 羽毛杆图像融合 | 第60-62页 |
| 5.2.1 羽毛杆图像融合的必要性 | 第60-61页 |
| 5.2.2 羽毛杆图像融合层次的选择 | 第61-62页 |
| 5.3 羽毛杆划痕的融合判别方法 | 第62-64页 |
| 5.4 本章小结 | 第64-65页 |
| 总结与展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读学位期间发表论文和奖励 | 第71-73页 |
| 致谢 | 第73页 |