| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 序言 | 第9-16页 |
| 1.1 选题背景及研究意义 | 第9-10页 |
| 1.1.1 异性纤维的定义 | 第9页 |
| 1.1.2 课题的背景与意义 | 第9-10页 |
| 1.2 机器视觉技术概况 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-14页 |
| 1.3.1 异性纤维分拣设备的研究现状 | 第11-13页 |
| 1.3.2 异性纤维识别算法的研究现状 | 第13-14页 |
| 1.4 论文的主要工作及章节安排 | 第14-16页 |
| 第二章 异性纤维拣出系统的结构 | 第16-24页 |
| 2.1 异纤拣出系统简介 | 第16-18页 |
| 2.1.1 异纤检测系统工作流程 | 第16-17页 |
| 2.1.2 定量分析与单帧图像获取 | 第17页 |
| 2.1.3 系统的硬件组成 | 第17-18页 |
| 2.2 图像采集系统主要硬件组成及选型 | 第18-23页 |
| 2.2.1 光源的选择 | 第18-20页 |
| 2.2.2 相机与镜头的选型 | 第20-22页 |
| 2.2.3 图像采集系统结构 | 第22-23页 |
| 2.3 系统配置及性能指标 | 第23页 |
| 2.3.1 系统配置 | 第23页 |
| 2.3.2 主要性能指标 | 第23页 |
| 2.4 本章小节 | 第23-24页 |
| 第三章 基于改进的二维Otsu算法的彩色异性纤维识别方法 | 第24-37页 |
| 3.1 图像预处理 | 第24-29页 |
| 3.1.1 颜色空间转换 | 第24-26页 |
| 3.1.2 直方图分析及图像增强 | 第26-28页 |
| 3.1.3 图像滤波 | 第28-29页 |
| 3.2 二维Otsu方法 | 第29-31页 |
| 3.3 改进的二维Otsu方法 | 第31-33页 |
| 3.4 实验分析 | 第33-36页 |
| 3.5 本章小节 | 第36-37页 |
| 第四章 基于GLCM的白色异性纤维识别方法 | 第37-56页 |
| 4.1 纹理特征 | 第37-39页 |
| 4.1.1 纹理的定义 | 第37-38页 |
| 4.1.2 纹理特征提取 | 第38-39页 |
| 4.2 灰度共生矩阵 | 第39-41页 |
| 4.3 GLCM参数对纹理特征值的影响 | 第41-48页 |
| 4.3.1 生长方向θ对纹理特征值的影响 | 第41-42页 |
| 4.3.2 生长步长d对纹理特征值的影响 | 第42-44页 |
| 4.3.3 灰度级L对纹理特征值的影响 | 第44-48页 |
| 4.4 纹理特征图像的分割 | 第48-50页 |
| 4.5 纹理特征图像分割及形态学处理 | 第50-52页 |
| 4.5.1 纹理特征图像分割 | 第50-51页 |
| 4.5.2 形态学处理 | 第51-52页 |
| 4.6 实验分析 | 第52-55页 |
| 4.7 本章小节 | 第55-56页 |
| 第五章 系统的软件设计与实现 | 第56-59页 |
| 5.1 软件开发环境 | 第56页 |
| 5.2 软件的整体设计与实现 | 第56-58页 |
| 5.3 本章小节 | 第58-59页 |
| 第六章 总结与讨论 | 第59-61页 |
| 6.1 总结 | 第59-60页 |
| 6.2 讨论 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士期间学术研究情况 | 第66页 |