基于机器视觉的木材表面缺陷的在线检测技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-17页 |
| ·课题研究背景及意义 | 第9-11页 |
| ·机器视觉简介 | 第11-13页 |
| ·机器视觉系统的构成 | 第11-12页 |
| ·机器视觉的特点 | 第12-13页 |
| ·木材表面缺陷检测的研究现状 | 第13-16页 |
| ·人工检测 | 第13-14页 |
| ·激光检测 | 第14页 |
| ·X 射线检测 | 第14-15页 |
| ·CT 核磁共振技术检测 | 第15页 |
| ·振动声学检测 | 第15页 |
| ·机器视觉检测 | 第15-16页 |
| ·课题研究的内容 | 第16-17页 |
| 第2章 木材表面缺陷图像的预处理 | 第17-29页 |
| ·图像预处理方法概述 | 第17页 |
| ·木材表面缺陷特点 | 第17-18页 |
| ·图像增强 | 第18-22页 |
| ·灰度化方法 | 第18-19页 |
| ·灰度级修正 | 第19页 |
| ·灰度变换 | 第19-22页 |
| ·图像平滑 | 第22-25页 |
| ·邻域平均法 | 第22-23页 |
| ·自适应平滑滤波法 | 第23-24页 |
| ·中值滤波法 | 第24-25页 |
| ·图像锐化 | 第25-28页 |
| ·梯度法 | 第25-27页 |
| ·拉普拉斯算子 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 木材图像分割算法 | 第29-51页 |
| ·木材阈值分割算法 | 第29-35页 |
| ·Otsu 阈值法及其阈值漂移现象 | 第30-32页 |
| ·一维Renyi 熵分割法 | 第32-34页 |
| ·实验结果与分析 | 第34-35页 |
| ·木材图像纹理分割方法 | 第35-45页 |
| ·小波重构的木材表面缺陷检测方法 | 第37-42页 |
| ·实验结果与性能分析比较 | 第42-45页 |
| ·图像分割后处理 | 第45-49页 |
| ·数学形态学的基本思想和运算 | 第45-46页 |
| ·形态学图像分割后处理 | 第46-49页 |
| ·本章小结 | 第49-51页 |
| 第4章 木材表面缺陷的模式识别 | 第51-65页 |
| ·模式识别 | 第51-53页 |
| ·模式识别系统 | 第51-52页 |
| ·模式识别方法 | 第52-53页 |
| ·木材表面缺陷原始特征的建立 | 第53-56页 |
| ·木材表面缺陷特征数据的提取 | 第56-59页 |
| ·特征的选择与提取 | 第56-57页 |
| ·主分量分析 | 第57-59页 |
| ·BP 神经网络分类器设计 | 第59-64页 |
| ·BP 神经网络训练 | 第60-63页 |
| ·木材缺陷的BP 神经网络分类器结构设计 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第5章 木材检测系统设计 | 第65-73页 |
| ·检测原理 | 第65-66页 |
| ·木材表面图像机器视觉检测系统设计 | 第66-72页 |
| ·图像采集 | 第66-68页 |
| ·光源 | 第68-69页 |
| ·实验硬件系统参数 | 第69-72页 |
| ·软件编程语言MATLAB | 第72页 |
| ·本章小结 | 第72-73页 |
| 结论 | 第73-75页 |
| 参考文献 | 第75-80页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第80-81页 |
| 致谢 | 第81-82页 |
| 作者简介 | 第82页 |
