| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-26页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-20页 |
| 1.2.1 自动光学检测中的图像处理技术 | 第14-18页 |
| 1.2.2 图像处理中的深度学习算法 | 第18-20页 |
| 1.3 本文主要内容及结构 | 第20-23页 |
| 参考文献 | 第23-26页 |
| 第2章 图像获取及图像检测算法 | 第26-46页 |
| 2.1 图像采集 | 第26-29页 |
| 2.2 图像低层次特征提取 | 第29-35页 |
| 2.3 图像高层次信息提取 | 第35-39页 |
| 2.4 目标识别及分类 | 第39-43页 |
| 2.5 本章小结 | 第43-44页 |
| 参考文献 | 第44-46页 |
| 第3章 TFT-LCD面板中集成电子线路分类 | 第46-55页 |
| 3.1 图像集获取 | 第46-47页 |
| 3.2 算法结构及参数分析 | 第47-52页 |
| 3.2.1 图像集预处理 | 第48-49页 |
| 3.2.2 SDAE网络参数设置及分析 | 第49-51页 |
| 3.2.3 HOG特征参数设置及分析 | 第51-52页 |
| 3.3 实验结果及分析 | 第52-53页 |
| 3.4 本章小结 | 第53-55页 |
| 第4章 面板桥接线路中导电粒子检测 | 第55-70页 |
| 4.1 图像预处理 | 第55-59页 |
| 4.2 粒子检测 | 第59-67页 |
| 4.2.1 基于局部阈值分割结合形态学法检测粒子 | 第60-63页 |
| 4.2.2 基于支持向量机的SIFT关键点聚类法检测粒子 | 第63-65页 |
| 4.2.3 基于局部二进制模式图的k均值聚类法检测粒子 | 第65-67页 |
| 4.3 实验结果及分析 | 第67-68页 |
| 4.4 本章小结 | 第68-70页 |
| 第5章 总结及展望 | 第70-72页 |
| 5.1 本文工作总结 | 第70页 |
| 5.2 展望 | 第70-72页 |
| 附录 硕士期间科研成果 | 第72-73页 |
| 致谢 | 第73页 |