基于图像处理的斜拉桥缆索表面缺陷检测的研究
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-9页 |
| 1 绪论 | 第9-15页 |
| ·课题背景 | 第9页 |
| ·斜拉桥缆索表面缺陷检测技术现状 | 第9-10页 |
| ·图像处理与模式识别技术 | 第10-13页 |
| ·图像处理技术 | 第10-12页 |
| ·模式识别技术 | 第12-13页 |
| ·本课题研究的目的和主要内容 | 第13-15页 |
| 2 基于霍夫变换的斜拉桥缆索边缘提取 | 第15-29页 |
| ·斜拉桥缆索表面图像采集系统 | 第15-16页 |
| ·采集的斜拉桥缆索表面图像分析 | 第16-17页 |
| ·图像的预处理 | 第17-19页 |
| ·图像预处理的常用方法 | 第17-18页 |
| ·对斜拉桥缆索表面图像的预处理 | 第18-19页 |
| ·斜拉桥缆索表面图像的边缘检测 | 第19-24页 |
| ·边缘检测常用算子 | 第20-24页 |
| ·基于canny 算法的斜拉桥缆索边缘提取 | 第24页 |
| ·基于霍夫变换的斜拉桥缆索边缘提取 | 第24-28页 |
| ·霍夫变换原理 | 第24-25页 |
| ·提取缆索边缘 | 第25-28页 |
| ·本章小结 | 第28-29页 |
| 3 基于图像处理的斜拉桥缆索表面缺陷提取 | 第29-57页 |
| ·引言 | 第29页 |
| ·缺陷目标区域的提取 | 第29-32页 |
| ·无模板图像分割 | 第29-31页 |
| ·有模板图像分割 | 第31页 |
| ·对斜拉桥缆索表面缺陷的分析及分类 | 第31-32页 |
| ·基于数理统计的粗糙缺陷部分定位 | 第32-36页 |
| ·基于方差的缺陷区域提取 | 第32-34页 |
| ·去除伪缺陷区域 | 第34-36页 |
| ·基于灰度曲线的变化特征对平滑缺陷的定位 | 第36-38页 |
| ·基于灰度投影曲线的定位原理 | 第36-37页 |
| ·缺陷对应定位方法 | 第37页 |
| ·利用横纵灰度曲线定位平滑缺陷区域 | 第37-38页 |
| ·平滑缺陷区域范围提取 | 第38-46页 |
| ·数学形态学原理 | 第38-39页 |
| ·基于数学形态学和阈值分割的平滑缺陷目标区域提取 | 第39-42页 |
| ·基于缺陷像素小块的图像分割 | 第42-46页 |
| ·叠加之后的缺陷区域 | 第46-47页 |
| ·基于粗糙缺陷和平滑缺陷的区域生长 | 第47-54页 |
| ·区域生长 | 第47-49页 |
| ·种子点的获得 | 第49页 |
| ·区域生长条件 | 第49-50页 |
| ·基于非线性边缘梯度和粗糙缺陷区域范围的区域生长 | 第50-53页 |
| ·基于方差和平滑缺陷区域范围的区域生长 | 第53-54页 |
| ·缺陷提取最终结果 | 第54-55页 |
| ·本章小结 | 第55-57页 |
| 4 斜拉桥缆索表面缺陷模式识别 | 第57-65页 |
| ·图像模式识别概念 | 第57-58页 |
| ·图像模式识别的定义 | 第57页 |
| ·图像模式识别的系统 | 第57-58页 |
| ·特征理解与特征提取 | 第58-60页 |
| ·图像的几何特征 | 第58-59页 |
| ·图像的形状特征 | 第59页 |
| ·缺陷的纹理分析 | 第59-60页 |
| ·对缺陷区域的模式识别 | 第60-64页 |
| ·常用图像模式识别方法 | 第60-61页 |
| ·基于模糊识别的斜拉桥缆索表面缺陷模式识别 | 第61-64页 |
| ·本章小结 | 第64-65页 |
| 5 斜拉桥缆索表面缺陷的特征提取和结果分析 | 第65-69页 |
| ·对缺陷区域的信息提取 | 第65-66页 |
| ·对裂纹的信息提取 | 第65-66页 |
| ·块状缺陷的信息提取 | 第66页 |
| ·图像识别结果统计 | 第66-68页 |
| ·实验结果分析 | 第68页 |
| ·本章小结 | 第68-69页 |
| 6 结论与展望 | 第69-71页 |
| ·本文工作总结 | 第69页 |
| ·工作展望 | 第69-71页 |
| 致谢 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 附录 | 第77页 |
