摘要 | 第5-7页 |
abstract | 第7-9页 |
第一章 绪论 | 第13-26页 |
1.1 研究工作的背景与意义 | 第13-15页 |
1.2 国内外研究现状 | 第15-23页 |
1.2.1 基于比色卡的自动判读方法 | 第16-18页 |
1.2.2 基于等温线的自动判读方法 | 第18-21页 |
1.2.3 其它自动判读方法 | 第21-22页 |
1.2.4 当前自动判读方法的缺陷与不足 | 第22-23页 |
1.3 本文的主要研究内容及创新点 | 第23-26页 |
第二章 示温漆图像的预处理方法研究 | 第26-73页 |
2.1 基于Retinex理论的示温漆图像色偏修正 | 第26-35页 |
2.1.1 示温漆图像暗光色偏的原理分析及修正方法 | 第26-33页 |
2.1.2 对暗光非色偏示温漆图像的修正 | 第33-35页 |
2.2 日光下室内外采集示温漆图像的还原方法 | 第35-37页 |
2.3 基于大气散射模型的示温漆退色修正 | 第37-55页 |
2.3.1 退色现象的成因与本质 | 第37-39页 |
2.3.2 示温漆图像增强的特殊性 | 第39-43页 |
2.3.3 示温漆退色问题的转化 | 第43-46页 |
2.3.4 示温漆退色修正算法 | 第46-48页 |
2.3.5 实验与结论 | 第48-55页 |
2.4 示温漆图像的平滑算法 | 第55-61页 |
2.5 示温漆图像背景分割 | 第61-64页 |
2.5.1 蝶型试片的背景分割 | 第61-62页 |
2.5.2 试件的背景分割 | 第62-64页 |
2.6 单变色示温漆的预处理方法 | 第64-72页 |
2.6.1 示温漆的色彩特性研究 | 第65-66页 |
2.6.2 基于归一化RGB的示温漆图像增强 | 第66-72页 |
2.7 本章小结 | 第72-73页 |
第三章 示温漆图像的聚类分割算法研究 | 第73-90页 |
3.1 基于FCM聚类分割的示温漆图像自动分割算法 | 第73-85页 |
3.1.1 FCM聚类算法原理 | 第73-75页 |
3.1.2 颜色空间的选择 | 第75-78页 |
3.1.3 初始聚类中心的选择方法 | 第78-81页 |
3.1.4 循环淘汰机制的算法实现 | 第81-85页 |
3.2 基于K-MEANS聚类原则的半自动示温漆图像分割算法 | 第85-89页 |
3.3 本章小结 | 第89-90页 |
第四章 示温漆图像的等温线提取算法研究 | 第90-100页 |
4.1 示温漆等温线特征 | 第90-91页 |
4.2 基于保护对比度去色函数的灰度变换 | 第91-94页 |
4.3 基于改进边缘算法的等温线提取 | 第94-99页 |
4.4 本章小结 | 第99-100页 |
第五章 等温线温度识别算法研究 | 第100-112页 |
5.1 当前等温线识别特征的缺陷分析 | 第100-101页 |
5.2 基于最大均方差通道序列的等温线特征 | 第101-104页 |
5.3 等温线方向的计算 | 第104-105页 |
5.4 示温漆等温线色温匹配方法 | 第105-106页 |
5.5 等温线温度识别 | 第106-108页 |
5.6 不同类型试片的温度识别方法 | 第108-111页 |
5.6.1 基于蝶型试片的示温漆标定原理及方法 | 第108-109页 |
5.6.2 基于矩形试片的示温漆标定原理及方法 | 第109-111页 |
5.7 本章小结 | 第111-112页 |
第六章 算法应用 | 第112-124页 |
6.1 软件功能设计 | 第112-114页 |
6.2 功能实现 | 第114-123页 |
6.2.1 用户界面设计及基本功能实现 | 第114-115页 |
6.2.2 背景分割功能 | 第115-117页 |
6.2.3 预处理功能 | 第117-119页 |
6.2.4 聚类分割功能 | 第119-120页 |
6.2.5 等温线提取功能 | 第120-121页 |
6.2.6 温度识别功能 | 第121-122页 |
6.2.7 系统硬件 | 第122-123页 |
6.3 本章小结 | 第123-124页 |
第七章 总结与展望 | 第124-126页 |
7.1 全文总结 | 第124-125页 |
7.2 后续展望 | 第125-126页 |
致谢 | 第126-127页 |
参考文献 | 第127-134页 |
攻读博士学位期间取得的成果 | 第134页 |