基于图像处理的大型轴承套圈缺陷检测研究
| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-16页 |
| ·课题研究的理论意义 | 第10-11页 |
| ·图像处理国内外研究现状 | 第11页 |
| ·国内外在轴承生产领域进行的工作 | 第11-16页 |
| ·人工目测法 | 第11-12页 |
| ·涡流检测法 | 第12-13页 |
| ·磁粉探伤法 | 第13-14页 |
| ·超声波探伤法 | 第14-15页 |
| ·机器视觉检测方法 | 第15-16页 |
| 2 缺陷区域分析 | 第16-27页 |
| ·轴承套圈表面缺陷类型 | 第16-19页 |
| ·系统的工作流程 | 第19页 |
| ·图像噪声及来源 | 第19-22页 |
| ·系统摄取的图像存在噪声的验证 | 第20-21页 |
| ·噪声的典型处理方法 | 第21-22页 |
| ·图像分割 | 第22-23页 |
| ·大型轴承套圈缺陷滤波效果实例 | 第23-27页 |
| 3 缺陷边缘检测 | 第27-40页 |
| ·边缘检测综述 | 第27-28页 |
| ·常用的边缘检测算子 | 第28-36页 |
| ·Roberts（罗伯特）边缘检测算子 | 第28-29页 |
| ·Sobel（索贝尔）边缘检测算子 | 第29页 |
| ·Prewitt（普瑞维特）边缘检测算子 | 第29-30页 |
| ·Laplace（拉普拉斯）边缘检测算子 | 第30-31页 |
| ·Marr-Hildreth（马尔）边缘检测算子 | 第31-32页 |
| ·Kirsch（凯西）边缘检测算子 | 第32-33页 |
| ·Canny（凯尼）边缘检测算子 | 第33-34页 |
| ·Shen-Castan（沈峻）算子 | 第34页 |
| ·改进的 Sobel 算子 | 第34-36页 |
| ·各种经典边缘检测算子实验效果图 | 第36-38页 |
| ·试验结果的分析比较及存在的问题 | 第38-40页 |
| 4 缺陷特征提取与选择 | 第40-48页 |
| ·Hu 矩 | 第40-43页 |
| ·形态特征 | 第43-44页 |
| ·纹理特征 | 第44-47页 |
| ·基于灰度共生矩阵的纹理特征提取实例 | 第45页 |
| ·基于亮度直方图的纹理特征描述 | 第45-46页 |
| ·基于亮度直方图的纹理特征提取实例 | 第46-47页 |
| ·特征选择 | 第47-48页 |
| 5 基于 BP 神经网络的缺陷识别 | 第48-56页 |
| ·BP 神经网络简介 | 第48-49页 |
| ·大型轴承套圈表面缺陷识别模型的构建与仿真 | 第49-56页 |
| ·BP 神经网络训练 | 第51-53页 |
| ·结果及分析 | 第53-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 作者简历 | 第59-61页 |
| 学位论文数据集 | 第61-62页 |
