基于图像处理的带钢表面缺陷识别方法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-15页 |
| ·课题的背景和意义 | 第8-9页 |
| ·带钢表面缺陷检测技术综述 | 第9-12页 |
| ·传统无损检测技术 | 第9页 |
| ·自动检测技术 | 第9-12页 |
| ·机器视觉检测技术 | 第12页 |
| ·国内外研究概况及发展趋势 | 第12-14页 |
| ·国外研究状况 | 第12-13页 |
| ·国内研究成果 | 第13-14页 |
| ·文的主要研究内容和论文结构 | 第14-15页 |
| 第二章 带钢表面缺陷检测系统研究 | 第15-22页 |
| ·带钢表面缺陷的主要类型 | 第15-17页 |
| ·机器视觉检测系统的基本要求 | 第17-18页 |
| ·机器视觉检测系统的工作原理 | 第18-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 带钢表面缺陷图像增强的预处理 | 第22-33页 |
| ·灰度变化增强 | 第22-27页 |
| ·直接灰度变换 | 第22-25页 |
| ·直方图灰度变换 | 第25-27页 |
| ·图像平滑滤波增强 | 第27-30页 |
| ·机器视觉图像中常见的噪声类型 | 第27-28页 |
| ·中值滤波 | 第28-29页 |
| ·领域平均值滤波 | 第29页 |
| ·梯度倒数加权法滤波 | 第29-30页 |
| ·滤波实验结果及分析 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 图像边缘检测 | 第33-43页 |
| ·边缘检测相关概念 | 第33-34页 |
| ·一阶边缘检测 | 第34-36页 |
| ·Roberts算子 | 第35页 |
| ·Sobel算子 | 第35页 |
| ·Prewitt算子 | 第35-36页 |
| ·二阶边缘检测 | 第36-37页 |
| ·Kirsch算子 | 第36页 |
| ·Laplace算子和Log算子 | 第36-37页 |
| ·CANNY边缘检测 | 第37-39页 |
| ·边缘检测处理结果分析 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 表面缺陷特征提取与识别 | 第43-56页 |
| ·表面缺陷特征提取 | 第43-49页 |
| ·形态特征 | 第44-46页 |
| ·灰度特征 | 第46-47页 |
| ·纹理特征 | 第47-49页 |
| ·特征值归一化处理 | 第49页 |
| ·带钢表面缺陷识别 | 第49-55页 |
| ·传统模式识别 | 第50-51页 |
| ·人工神经网络 | 第51页 |
| ·BP神经网络原理 | 第51-52页 |
| ·BP神经网络识的参数设置 | 第52-53页 |
| ·BP神经网络识别实验结果 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| ·主要工作总结 | 第56页 |
| ·未来展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 个人简历 在读期间发表的学术论文 | 第61-62页 |
| 致谢 | 第62页 |
