基于图像处理的航空构件缺陷检测技术研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-18页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 缺陷检测技术的国内外研究现状 | 第9-16页 |
| 1.2.1 图像增强技术的发展及研究现状 | 第10-12页 |
| 1.2.2 图像分割与缺陷提取的发展及研究现状 | 第12-14页 |
| 1.2.3 特征描述与分类识别的研究现状 | 第14-16页 |
| 1.3 本文章节安排和创新点 | 第16-18页 |
| 1.3.1 本文章节安排 | 第16页 |
| 1.3.2 本文的创新点 | 第16-18页 |
| 第二章 航空构件缺陷图像增强 | 第18-33页 |
| 2.1 图像的偏微分方程理论 | 第18-19页 |
| 2.1.1 偏微分方程基本概念 | 第18-19页 |
| 2.1.2 图像的偏微分方程 | 第19页 |
| 2.2 传统偏微分扩散模型 | 第19-26页 |
| 2.2.1 PM模型 | 第19-22页 |
| 2.2.2 CBDF模型 | 第22-24页 |
| 2.2.3 ABDF模型 | 第24-26页 |
| 2.3 基于局部边缘特征的自适应双向扩散模型 | 第26-28页 |
| 2.4 实验结果与分析 | 第28-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 航空构件图像分割与缺陷提取 | 第33-52页 |
| 3.1 FCM算法及其改进算法 | 第33-38页 |
| 3.1.1 FCM算法 | 第33-36页 |
| 3.1.2 FCMS算法 | 第36-37页 |
| 3.1.3 FLICM算法 | 第37-38页 |
| 3.2 基于分层的直觉模糊C均值聚类算法 | 第38-46页 |
| 3.2.1 基于峰值检测的图像分层 | 第39-41页 |
| 3.2.2 基于像素相关性的目标函数 | 第41-45页 |
| 3.2.3 算法总结 | 第45-46页 |
| 3.3 实验结果与分析 | 第46-49页 |
| 3.4 航空构件缺陷提取 | 第49-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第四章 航空构件缺陷特征描述与分类识别 | 第52-63页 |
| 4.1 图像特征描述 | 第52-58页 |
| 4.1.1 几何特征 | 第53-54页 |
| 4.1.2 矩特征 | 第54-56页 |
| 4.1.3 纹理特征 | 第56-58页 |
| 4.1.4 灰度特征 | 第58页 |
| 4.2 缺陷特征的选择与分类识别 | 第58-62页 |
| 4.2.1 缺陷特征的选择 | 第58-60页 |
| 4.2.2 缺陷的分类识别 | 第60-62页 |
| 4.3 本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 本文工作总结 | 第63-64页 |
| 5.2 下一步的研究工作及展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间参与的科研项目和成果 | 第69-70页 |
| 致谢 | 第70-71页 |
