基于图像处理的丝印质量监控系统
| 摘要 | 第1-12页 |
| ABSTRACT | 第12-13页 |
| 第一章 绪论 | 第13-16页 |
| ·论文研究的背景与意义 | 第13页 |
| ·当前研究的发展与现状 | 第13-14页 |
| ·论文的内容及结构安排 | 第14-16页 |
| 第二章 系统总体设计 | 第16-24页 |
| ·技术方案 | 第16-17页 |
| ·质量监控系统的组成 | 第17-19页 |
| ·系统的硬件组成 | 第17页 |
| ·系统的软件组成 | 第17-19页 |
| ·系统工作机制设计 | 第19-24页 |
| ·有人辅助的训练机制 | 第19-20页 |
| ·特征选取机制 | 第20-23页 |
| ·实时报警记录机制 | 第23-24页 |
| 第三章 图像的获取显示及预处理 | 第24-40页 |
| ·图像的获取与显示 | 第24-30页 |
| ·图像实时采集 | 第24-27页 |
| ·图像格式的转换 | 第27-28页 |
| ·YUV 图像转换成灰度图像 | 第28页 |
| ·采集图像和处理后图像的实时显示 | 第28-30页 |
| ·图像平滑 | 第30-35页 |
| ·邻域平均法 | 第30-32页 |
| ·中值滤波 | 第32-34页 |
| ·实验分析 | 第34-35页 |
| ·Otsu 二值化方法 | 第35-37页 |
| ·算法原理 | 第35-37页 |
| ·实验结果 | 第37页 |
| ·图像子区域处理 | 第37-40页 |
| ·子区域滤波 | 第38页 |
| ·子区域二值化 | 第38-40页 |
| 第四章 图像分割 | 第40-65页 |
| ·SUSAN 角点提取算法及其改进 | 第41-46页 |
| ·算法原理 | 第42-43页 |
| ·改进的双边阈值SUSAN 算法 | 第43-44页 |
| ·实验结果 | 第44-46页 |
| ·图像分割的方法 | 第46-51页 |
| ·利用投影方法进行分割 | 第46-47页 |
| ·利用区域特征进行分割 | 第47-51页 |
| ·结合投影的相关细分割 | 第51页 |
| ·基于特征点匹配的倾斜校正算法 | 第51-62页 |
| ·算法原理 | 第52-55页 |
| ·为算法设计的特征 | 第55-56页 |
| ·实验结果 | 第56-62页 |
| ·图像完整性判别 | 第62-65页 |
| 第五章 图像目标判别技术 | 第65-104页 |
| ·细化与毛刺消除 | 第65-72页 |
| ·基于模板匹配的索引表细化算法 | 第66-70页 |
| ·毛刺消除 | 第70-72页 |
| ·特征匹配算法 | 第72-74页 |
| ·距离测度匹配 | 第72-73页 |
| ·相关测度匹配 | 第73-74页 |
| ·双向匹配 | 第74页 |
| ·利用丝印的宏观特征进行判别 | 第74-79页 |
| ·几种常用的特征 | 第75-77页 |
| ·实验分析及特征选用 | 第77-79页 |
| ·利用准欧拉数特征进行判别 | 第79-87页 |
| ·本文设计的欧拉数特征 | 第80-81页 |
| ·准欧拉数特征提取方法 | 第81-85页 |
| ·匹配方法 | 第85-86页 |
| ·实验结果 | 第86-87页 |
| ·基于端点特征的双向松弛匹配判别算法 | 第87-95页 |
| ·算法的基本原理 | 第88-90页 |
| ·基本匹配算法的缺陷 | 第90页 |
| ·基于端点特征的双向松弛匹配目标判别算法 | 第90-93页 |
| ·实验结果 | 第93-95页 |
| ·数学形态学在灰度模板匹配中的应用 | 第95-104页 |
| ·灰度模板匹配原理 | 第95页 |
| ·数学形态学原理 | 第95-97页 |
| ·灰度模板匹配在本文应用中的问题 | 第97-98页 |
| ·应用数学形态学提高灰度模板匹配的稳定性 | 第98-102页 |
| ·实验结果 | 第102-104页 |
| 第六章 系统实现和总结展望 | 第104-113页 |
| ·系统实现 | 第104-110页 |
| ·训练系统 | 第104-106页 |
| ·工作系统 | 第106-108页 |
| ·实验结果 | 第108-110页 |
| ·总结与展望 | 第110-113页 |
| 致谢 | 第113-114页 |
| 参考文献 | 第114-123页 |
| 作者在学期间取得的学术成果 | 第123页 |
