| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| ·课题背景及研究意义 | 第9-10页 |
| ·基于图像处理螺纹参数检测及形貌检测发展状况 | 第10-11页 |
| ·课题研究内容及结构安排 | 第11-13页 |
| ·本文主要研究内容 | 第11-12页 |
| ·本文章节结构安排 | 第12-13页 |
| 第2章 油管螺纹检测系统设计 | 第13-19页 |
| ·硬件系统设计 | 第13-15页 |
| ·软件系统方案设计 | 第15-18页 |
| ·本章小结 | 第18-19页 |
| 第3章 油管螺纹图像预处理 | 第19-31页 |
| ·图像噪声 | 第19-20页 |
| ·图像噪声的种类 | 第20-21页 |
| ·图像降噪 | 第21-27页 |
| ·线性滤波——邻域平均滤波 | 第21-23页 |
| ·非线性滤波——中值滤波 | 第23-24页 |
| ·自适应滤波器 | 第24-27页 |
| ·图像增强 | 第27-29页 |
| ·直接灰度变换 | 第27-28页 |
| ·直方图均衡化 | 第28-29页 |
| ·本章小结 | 第29-31页 |
| 第4章 图像边缘检测 | 第31-39页 |
| ·图像边缘检测综述 | 第31页 |
| ·常见的边缘检测局部算子法 | 第31-34页 |
| ·梯度算子 | 第31-32页 |
| ·Roberts算子 | 第32页 |
| ·Sobel算子 | 第32-33页 |
| ·Prewitt算子 | 第33-34页 |
| ·高斯一拉普拉斯算子 | 第34页 |
| ·基于数学形态学的边缘锐化 | 第34-35页 |
| ·形态学基本运算 | 第34-35页 |
| ·形态学梯度图像的获取 | 第35页 |
| ·图像分割 | 第35-37页 |
| ·双峰法 | 第36页 |
| ·最佳阈值迭代法 | 第36页 |
| ·大律法(OSTU法) | 第36-37页 |
| ·本章小结 | 第37-39页 |
| 第5章 油管螺纹参数识别 | 第39-53页 |
| ·锥螺纹测量系统标定 | 第39-41页 |
| ·图像面积测量 | 第39-40页 |
| ·测量系统标定 | 第40-41页 |
| ·最小二乘法拟合直线 | 第41-43页 |
| ·油管螺纹几何参数识别 | 第43-49页 |
| ·螺纹锥度测量 | 第43-44页 |
| ·螺纹螺距测量 | 第44-46页 |
| ·螺纹高度测量 | 第46-47页 |
| ·螺纹牙型角测量 | 第47-48页 |
| ·螺纹中径测量 | 第48-49页 |
| ·油管螺纹几何参数测量实验 | 第49-51页 |
| ·数据采集试验台 | 第49页 |
| ·参数设定 | 第49-50页 |
| ·各参数机械测量与图像检测软件测量比较 | 第50-51页 |
| ·本章小结 | 第51-53页 |
| 第6章 模式识别理论在油管质量检测中的应用及软件系统仿真 | 第53-73页 |
| ·BP人工神经网络原理 | 第53-59页 |
| ·BP神经元 | 第53-54页 |
| ·神经元的层 | 第54-55页 |
| ·BP算法推导 | 第55-58页 |
| ·改进BP算法 | 第58-59页 |
| ·基于BP神经网络的油管螺纹缺陷识别 | 第59-65页 |
| ·油管螺纹缺陷类型与螺纹图像缺陷特征提取 | 第59-63页 |
| ·BP神经网络参数的确定 | 第63-64页 |
| ·网络训练与测试 | 第64-65页 |
| ·油管螺纹自动识别系统仿真 | 第65-70页 |
| ·图像采集模块 | 第65-66页 |
| ·图像处理模块 | 第66-67页 |
| ·信息管理模块 | 第67-68页 |
| ·BP缺陷识别模块 | 第68-70页 |
| ·油管螺纹数据库建立 | 第70-71页 |
| ·本章小结 | 第71-73页 |
| 第7章 总结及展望 | 第73-75页 |
| ·本文研究内容总结 | 第73页 |
| ·今后研究方向展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79页 |