图像处理技术在印刷缺陷检测中的应用研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 图像处理及其在印刷缺陷检测中的应用 | 第9-10页 |
| 1.3 印刷缺陷检测国内外研究现状 | 第10-11页 |
| 1.4 论文结构安排 | 第11-12页 |
| 第二章 印刷品图像采集与预处理 | 第12-23页 |
| 2.1 印刷品图像采集 | 第12-13页 |
| 2.2 图像预处理 | 第13-21页 |
| 2.2.1 彩色图像灰度化 | 第13-15页 |
| 2.2.2 灰度图像增强 | 第15-18页 |
| 2.2.3 图像滤波 | 第18-21页 |
| 2.3 制作模板 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 印刷品图像配准与缺陷检测 | 第23-33页 |
| 3.1 印刷品图像配准概述 | 第23-24页 |
| 3.2 图像配准算法 | 第24-28页 |
| 3.2.1 最大互信息测度 | 第24-25页 |
| 3.2.2 空间几何变换 | 第25-26页 |
| 3.2.3 Powell搜索极值算法 | 第26-28页 |
| 3.3 实验结果及分析 | 第28-29页 |
| 3.4 印刷品缺陷检测 | 第29-32页 |
| 3.4.1 图像差分检测 | 第29-30页 |
| 3.4.2 图像二值化及数学形态学处理 | 第30-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 印刷品缺陷识别 | 第33-47页 |
| 4.1 人工神经网络概述 | 第33-36页 |
| 4.1.1 神经元基本模型 | 第33-34页 |
| 4.1.2 人工神经网络结构 | 第34-36页 |
| 4.1.3 神经网络学习 | 第36页 |
| 4.2 基于BP神经网络的印刷缺陷分类 | 第36-40页 |
| 4.2.1 缺陷类型分析及特征提取 | 第37-38页 |
| 4.2.2 BP神经网络设计 | 第38页 |
| 4.2.3 实验及结果分析 | 第38-40页 |
| 4.3 卷积神经网络基本原理 | 第40-42页 |
| 4.3.1 基本网络结构 | 第40-41页 |
| 4.3.2 训练方法 | 第41-42页 |
| 4.4 基于卷积神经网络的印刷缺陷分类 | 第42-46页 |
| 4.4.1 网络结构设计 | 第42-43页 |
| 4.4.2 实验及结果分析 | 第43-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 印刷缺陷检测系统设计与实现 | 第47-55页 |
| 5.1 开发工具简介 | 第47页 |
| 5.2 系统开发环境 | 第47-48页 |
| 5.3 系统需求分析与设计 | 第48-52页 |
| 5.3.1 系统需求分析 | 第48-50页 |
| 5.3.2 系统功能模块设计 | 第50-52页 |
| 5.4 系统界面与功能实现 | 第52-54页 |
| 5.5 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 全文总结 | 第55页 |
| 6.2 未来工作展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第61页 |
