| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 芯棒缺陷检测技术发展现状 | 第11-12页 |
| 1.2.2 视觉显著性技术研究概述 | 第12-13页 |
| 1.2.3 机器视觉缺陷检测系统发展概况 | 第13-14页 |
| 1.3 课题主要工作内容 | 第14页 |
| 1.4 论文章节安排 | 第14-16页 |
| 第二章 图像视觉显著性相关理论基础 | 第16-28页 |
| 2.1 视觉显著性理论 | 第16-20页 |
| 2.1.1 人眼视觉系统 | 第16-18页 |
| 2.1.2 视觉注意机制与显著性计算 | 第18-20页 |
| 2.2 显著性特征分析 | 第20-22页 |
| 2.2.1 灰度特征 | 第20页 |
| 2.2.2 纹理特征 | 第20-21页 |
| 2.2.3 方向特征 | 第21页 |
| 2.2.4 形状特征 | 第21-22页 |
| 2.3 显著性检测原理 | 第22-23页 |
| 2.3.1 对比度原理 | 第22页 |
| 2.3.2 中心-周围原理 | 第22-23页 |
| 2.3.3 高频率抑制原理 | 第23页 |
| 2.4 典型显著性算法 | 第23-26页 |
| 2.4.1 基于生物启发的显著性算法 | 第23-24页 |
| 2.4.2 基于空域计算的显著性算法 | 第24-25页 |
| 2.4.3 基于频域分析的显著性算法 | 第25页 |
| 2.4.4 综合空域和频域的显著性算法 | 第25-26页 |
| 2.5 本章小结 | 第26-28页 |
| 第三章 典型显著性算法在芯棒缺陷检测中的对比分析 | 第28-36页 |
| 3.1 典型显著性算法检测与分析 | 第28-30页 |
| 3.1.1 GB算法检测 | 第28-29页 |
| 3.1.2 LC算法检测 | 第29页 |
| 3.1.3 SR算法检测 | 第29-30页 |
| 3.1.4 FT算法检测 | 第30页 |
| 3.2 芯棒缺陷阈值分割 | 第30-32页 |
| 3.3 显著性检测结果对比分析 | 第32-34页 |
| 3.4 本章小结 | 第34-36页 |
| 第四章 融合纹理和灰度的显著性检测算法研究 | 第36-48页 |
| 4.1 基于LC显著性算法缺陷检测实现 | 第36-37页 |
| 4.1.1 图像预处理 | 第36页 |
| 4.1.2 基于直方图的LC算法优化实现 | 第36-37页 |
| 4.2 局部纹理特征检测与实现 | 第37-41页 |
| 4.2.1 典型图像纹理检测技术 | 第37-38页 |
| 4.2.2 基于Gabor的局部缺陷纹理增强实现 | 第38-41页 |
| 4.3 融合Gabor滤波和LC算法的图像检测处理 | 第41-44页 |
| 4.3.1 图像融合技术简述 | 第41-42页 |
| 4.3.2 Haar小波的显著性图像融合 | 第42-43页 |
| 4.3.3 形态学运算 | 第43-44页 |
| 4.4 算法结果测试与分析 | 第44-45页 |
| 4.5 本章小结 | 第45-48页 |
| 第五章 芯棒缺陷实时检测系统设计与实现 | 第48-58页 |
| 5.1 检测系统开发平台 | 第48-49页 |
| 5.1.1 硬件系统开发平台 | 第48-49页 |
| 5.1.2 软件系统开发环境 | 第49页 |
| 5.2 系统功能需求分析与设计 | 第49-55页 |
| 5.2.1 缺陷检测功能设计实现 | 第49-50页 |
| 5.2.2 检测系统模块实现流程 | 第50-51页 |
| 5.2.3 多相机图像实时显示与抓拍 | 第51-53页 |
| 5.2.4 定时与非定时功能模块设计 | 第53页 |
| 5.2.5 检测与保存设计实现 | 第53-55页 |
| 5.2.6 缺陷监测自动报警功能实现 | 第55页 |
| 5.3 检测系统整体实现 | 第55-56页 |
| 5.4 本章小结 | 第56-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 论文总结 | 第58页 |
| 6.2 不足 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63页 |