磁粉探伤机器视觉算法设计及系统研制
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第12-19页 |
| 1.1 研究背景和意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 机器视觉检测 | 第16-18页 |
| 1.4 论文结构内容及工作安排 | 第18-19页 |
| 2 机器视觉算法图像数据处理理论 | 第19-35页 |
| 2.1 系统整体架构 | 第19-20页 |
| 2.2 图像预处理算法 | 第20-26页 |
| 2.2.1 均值滤波算法 | 第21页 |
| 2.2.2 中值滤波算法 | 第21-23页 |
| 2.2.3 双边滤波算法 | 第23-24页 |
| 2.2.4 引导滤波算法 | 第24-26页 |
| 2.3 图像分割算法 | 第26-29页 |
| 2.3.1 迭代式阈值分割方法 | 第27页 |
| 2.3.2 最大类间方差阈值分割方法 | 第27-28页 |
| 2.3.3 最大熵阈值分割方法 | 第28-29页 |
| 2.4 图像分类算法 | 第29-34页 |
| 2.4.1 逻辑斯特回归分类算法 | 第30-31页 |
| 2.4.2 支持向量机分类方法 | 第31-32页 |
| 2.4.3 多项式逻辑斯特回归分类算法 | 第32-34页 |
| 2.5 本章小结 | 第34-35页 |
| 3 基于局部熵的引导滤波改进算法 | 第35-48页 |
| 3.1 磁粉探伤图像数据采集 | 第35-37页 |
| 3.2 磁粉探伤图像数据处理 | 第37-42页 |
| 3.2.1 图像处理工具 | 第37-38页 |
| 3.2.2 分割算法处理效果 | 第38-40页 |
| 3.2.3 滤波算法处理效果 | 第40-42页 |
| 3.3 改进引导滤波算法 | 第42-47页 |
| 3.3.1 引导滤波改进原理 | 第42-43页 |
| 3.3.2 滤波图像评价准则 | 第43-45页 |
| 3.3.3 实验结果分析 | 第45-47页 |
| 3.4 本章小结 | 第47-48页 |
| 4 稀疏自编码特征提取与图像分类算法 | 第48-60页 |
| 4.1 特征提取的意义 | 第48页 |
| 4.2 常见特征描述 | 第48-53页 |
| 4.2.1 灰度特征 | 第48-50页 |
| 4.2.2 形状特征 | 第50-51页 |
| 4.2.3 纹理特征 | 第51-53页 |
| 4.3 稀疏自编码算法 | 第53-54页 |
| 4.4 缺陷特征的分类识别 | 第54-59页 |
| 4.5 本章小结 | 第59-60页 |
| 5 机器视觉车轮检测软件系统实现 | 第60-70页 |
| 5.1 系统开发平台 | 第60-62页 |
| 5.1.1 软件开发工具选择 | 第60-61页 |
| 5.1.2 软件功能设计 | 第61-62页 |
| 5.2 高铁车轮检测软件界面布局 | 第62-64页 |
| 5.2.1 软件界面布局原理 | 第62-63页 |
| 5.2.2 软件界面的设计 | 第63-64页 |
| 5.3 高铁车轮检测软件系统功能实现 | 第64-69页 |
| 5.3.1 软件采集模块实现 | 第65页 |
| 5.3.2 软件数据处理与显示模块实现 | 第65-68页 |
| 5.3.3 软件数据存储模块实现 | 第68-69页 |
| 5.4 本章小结 | 第69-70页 |
| 6 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第75-77页 |
| 学位论文数据集 | 第77页 |
