基于机器视觉的家具板材分类识别系统研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 本课题的研究目的和意义 | 第14页 |
| 1.2 机器视觉的发展历程 | 第14-16页 |
| 1.3 机器视觉的应用 | 第16-17页 |
| 1.4 板材分类的研究现状 | 第17-18页 |
| 1.5 本文的主要内容 | 第18-20页 |
| 第二章 分类识别系统的原理与总体设计 | 第20-31页 |
| 2.1 分类识别系统的原理 | 第20-22页 |
| 2.1.1 图像获取 | 第21页 |
| 2.1.2 图像处理 | 第21页 |
| 2.1.3 板材分类 | 第21-22页 |
| 2.2 分类识别系统的硬件构成 | 第22-27页 |
| 2.2.1 工业相机 | 第22-23页 |
| 2.2.2 工业镜头 | 第23-24页 |
| 2.2.3 光源 | 第24-25页 |
| 2.2.4 运动控制卡 | 第25-26页 |
| 2.2.5 本系统的硬件选型方案 | 第26-27页 |
| 2.3 分类识别系统的软件设计 | 第27-30页 |
| 2.3.1 图像获取单元 | 第27-28页 |
| 2.3.2 图像处理单元 | 第28-29页 |
| 2.3.3 用户数据管理单元 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 集成高斯支持向量机的算法原理 | 第31-45页 |
| 3.1 家具板材分类原理 | 第31-32页 |
| 3.2 高斯混合模型 | 第32-34页 |
| 3.2.1 高斯混合模型的定义 | 第32页 |
| 3.2.2 高斯混合模型的数学描述 | 第32-33页 |
| 3.2.3 高斯混合模型的训练 | 第33-34页 |
| 3.3 EM算法 | 第34-37页 |
| 3.3.1 EM算法的含义 | 第35页 |
| 3.3.2 EM算法的原理 | 第35-36页 |
| 3.3.3 EM算法估计高斯混合模型参数 | 第36-37页 |
| 3.4 支持向量机 | 第37-42页 |
| 3.4.1 支持向量机的含义 | 第37-38页 |
| 3.4.2 线性可分支持向量机 | 第38-40页 |
| 3.4.3 线性不可分支持向量机 | 第40-41页 |
| 3.4.4 核函数的选择 | 第41-42页 |
| 3.5 纠错码支持向量机 | 第42-43页 |
| 3.6 集成高斯支持向量机的训练 | 第43-44页 |
| 3.7 本章小结 | 第44-45页 |
| 第四章 分类识别系统的通讯模块设计 | 第45-54页 |
| 4.1 通讯类型的选择 | 第45页 |
| 4.2 Socket函数解析 | 第45-48页 |
| 4.3 TCP协议的连接与终止 | 第48-50页 |
| 4.4 Socket通讯的实现过程 | 第50-53页 |
| 4.4.1 Socket程序的实现 | 第50-52页 |
| 4.4.2 Socket通讯模块的测试 | 第52-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 分类识别系统的实现与试验分析 | 第54-71页 |
| 5.1 板材图像的预处理 | 第54-58页 |
| 5.2 板材纹理特征提取 | 第58-61页 |
| 5.3 系统开发环境简介 | 第61页 |
| 5.4 视觉识别系统的实现 | 第61-64页 |
| 5.4.1 软件界面 | 第62-64页 |
| 5.5 视觉识别系统的试验过程 | 第64-70页 |
| 5.5.1 试验样本的采集 | 第64-65页 |
| 5.5.2 特征参数集的选择 | 第65页 |
| 5.5.3 高斯支持向量机的参数选择 | 第65-68页 |
| 5.5.4 板材图像的纹理特征分析 | 第68-69页 |
| 5.5.5 不同分类算法的识别率对比 | 第69-70页 |
| 5.6 本章小结 | 第70-71页 |
| 结论与展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读学位期间的学术成果 | 第77-79页 |
| 致谢 | 第79页 |
