| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题背景及研究意义 | 第11-12页 |
| 1.2 机器视觉技术在汽车零部件检测中的应用现状 | 第12-14页 |
| 1.3 图像清晰度评价研究现状 | 第14-15页 |
| 1.3.1 图像质量的主观评价方法 | 第14页 |
| 1.3.2 图像质量的客观评价方法 | 第14-15页 |
| 1.4 本文研究内容及章节安排 | 第15-17页 |
| 1.4.1 本文研究内容 | 第15-16页 |
| 1.4.2 本文章节安排 | 第16-17页 |
| 第2章 机器视觉检测系统原理和总体设计 | 第17-27页 |
| 2.1 支撑杆的主要检测指标 | 第17-18页 |
| 2.2 机器视觉检测系统的工作原理 | 第18-19页 |
| 2.3 视觉系统的硬件架构设计 | 第19-25页 |
| 2.3.1 光源单元模块 | 第19-22页 |
| 2.3.2 图像采集模块 | 第22-25页 |
| 2.4 视觉检测系统的软件设计 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 图像清晰度评价研究 | 第27-49页 |
| 3.1 图像模糊的机理和模型 | 第27-30页 |
| 3.1.1 图像模糊的机理 | 第27-28页 |
| 3.1.2 图像模糊的模型 | 第28-30页 |
| 3.2 基于图像梯度的清晰度评价算法 | 第30-33页 |
| 3.2.1 图像清晰度与图像梯度关系研究 | 第30-32页 |
| 3.2.2 基于梯度图像清晰度评价模型 | 第32-33页 |
| 3.3 基于二次模糊无参考的图像清晰度评价算法(NRFSIM) | 第33-41页 |
| 3.3.1 FSIM全参考图像质量评价算法 | 第33-38页 |
| 3.3.2 基于二次模糊的图像清晰度评价方法 | 第38-41页 |
| 3.4 实验仿真与分析 | 第41-47页 |
| 3.4.1 清晰度评价算法的评价指标 | 第41-42页 |
| 3.4.2 算法评价指标的验证 | 第42-47页 |
| 3.5 本章小结 | 第47-49页 |
| 第4章 基于亚像素的支撑杆几何尺寸测量 | 第49-67页 |
| 4.1 亚像素边缘检测基本原理 | 第49-50页 |
| 4.2 基于拟合法的亚像素边缘检测 | 第50-53页 |
| 4.2.1 边缘梯度方向确定 | 第51-52页 |
| 4.2.2 二次曲线拟合 | 第52-53页 |
| 4.2.3 亚像素边缘点坐标计算 | 第53页 |
| 4.3 支撑杆尺寸测量 | 第53-61页 |
| 4.3.1 测量算法 | 第54-58页 |
| 4.3.2 支持杆指标测量 | 第58-61页 |
| 4.4 相机标定 | 第61-65页 |
| 4.4.1 世界坐标系与相机坐标系转换 | 第62-63页 |
| 4.4.2 图像坐标系和相机坐标系转换 | 第63-64页 |
| 4.4.3 图像坐标系与世界坐标系转换 | 第64-65页 |
| 4.4.4 相机标定流程 | 第65页 |
| 4.5 本章小结 | 第65-67页 |
| 第5章 系统应用与测试 | 第67-79页 |
| 5.1 支撑杆检测系统工业设备 | 第67-70页 |
| 5.2 软件设计与应用 | 第70-75页 |
| 5.2.1 并行软件设计 | 第72-73页 |
| 5.2.2 软件应用 | 第73-75页 |
| 5.3 现场实测结果与数据分析 | 第75-78页 |
| 5.3.1 现场实测结果 | 第75-77页 |
| 5.3.2 现场数据分析 | 第77-78页 |
| 5.4 本章小结 | 第78-79页 |
| 第6章 总结与展望 | 第79-81页 |
| 6.1 总结 | 第79-80页 |
| 6.2 展望 | 第80-81页 |
| 参考文献 | 第81-85页 |
| 致谢 | 第85-87页 |
| 个人简历 | 第87-89页 |
| 攻读硕士学位期间主要的研究成果 | 第89页 |