| 第一章 绪论 | 第1-29页 |
| 1．1 发动机故障诊断技术及基于图像信息的故障诊断方法简介 | 第9-13页 |
| 1．1．1 发动机故障诊断技术的发展背景 | 第9-10页 |
| 1．1．2 航空发动机故障诊断的主要任务 | 第10-11页 |
| 1．1．3 航空发动机故障诊断的常用技术手段 | 第11-12页 |
| 1．1．4 基于图像信息的发动机故障诊断技术及其目标 | 第12-13页 |
| 1．2 发动机内窥探伤技术及其发展 | 第13-20页 |
| 1．2．1 内窥技术及其发展历程 | 第13-14页 |
| 1．2．2 内窥技术在发动机探伤中的应用 | 第14-17页 |
| 1．2．3 新型内窥技术设备及其原理 | 第17-19页 |
| 1．2．4 内窥技术发展趋势 | 第19-20页 |
| 1．3 计算机铁谱分析技术及其发展 | 第20-24页 |
| 1．3．1 铁谱分析技术及其发展历程 | 第20-21页 |
| 1．3．2 计算机铁谱分析技术的优点 | 第21-22页 |
| 1．3．3 DMAS系统简介 | 第22-23页 |
| 1．3．4 铁谱分析技术的发展趋势 | 第23-24页 |
| 1．4 计算机视觉技术及其发展 | 第24-26页 |
| 1．4．1 计算机视觉技术简介 | 第24-25页 |
| 1．4．2 计算机视觉技术的发展及应用现状 | 第25-26页 |
| 1．5 本文的研究背景、价值与基本研究思路 | 第26-28页 |
| 1．5．1 本文的研究背景和价值 | 第26-27页 |
| 1．5．2 本文研究思路与方法 | 第27-28页 |
| 1．6 本文内容及章节安排 | 第28-29页 |
| 第二章 计算机视觉的理论基础 | 第29-38页 |
| 2．1 视觉研究的意义、特点和与相关领域的关系 | 第29-32页 |
| 2．1．1 计算机视觉的研究目的和意义 | 第29-30页 |
| 2．1．2 计算机视觉研究的特点 | 第30页 |
| 2．1．3 计算机视觉与相关领域的关系 | 第30-32页 |
| 2．2 计算机视觉的基本计算理论 | 第32-35页 |
| 2．2．1 Marr视觉计算理论 | 第32-34页 |
| 2．2．2 对Marr理论的讨论和发展 | 第34-35页 |
| 2．3 计算机视觉的技术构成 | 第35-37页 |
| 2．3．1 计算机视觉系统的组成 | 第35-36页 |
| 2．3．2 视觉传感技术 | 第36-37页 |
| 2．4 本章小结 | 第37-38页 |
| 第三章 基于立体视觉的图像3D分析基础研究 | 第38-58页 |
| 3．1 立体视觉系统的基本模型 | 第38-42页 |
| 3．1．1 立体视觉基本模型 | 第38-41页 |
| 3．1．2 硬件系统组成 | 第41-42页 |
| 3．2 摄像机模型与坐标系 | 第42-45页 |
| 3．2．1 立体视觉成像基本模型 | 第42-43页 |
| 3．2．2 立体视觉的坐标系与通用摄像机模型 | 第43-45页 |
| 3．3 立体匹配方法研究 | 第45-53页 |
| 3．3．1 立体匹配的一般问题 | 第46-47页 |
| 3．3．2 立体匹配的常用约束条件 | 第47-50页 |
| 3．3．3 立体匹配算法研究 | 第50-53页 |
| 3．4 立体视觉的工作模式 | 第53-57页 |
| 3．4．1 立体视觉的基本几何关系 | 第53-54页 |
| 3．4．2 横向工作模式 | 第54-55页 |
| 3．4．3 轴向工作模式 | 第55-56页 |
| 3．4．4 两种工作模式的比较 | 第56-57页 |
| 3．5 本章小结 | 第57-58页 |
| 第四章 基于立体视觉的发动机内窥探伤技术研究 | 第58-91页 |
| 4．1 基于立体视觉的发动机内窥测量与重建系统开发 | 第58-60页 |
| 4．1．1 系统构成 | 第58-60页 |
| 4．1．2 系统功能综述 | 第60页 |
| 4．2 内窥成像系统标定方法研究 | 第60-64页 |
| 4．2．1 摄像机标定的基本问题 | 第60-61页 |
| 4．2．2 摄像机标定技术 | 第61-64页 |
| 4．3 内窥图像的预处理方法研究 | 第64-72页 |
| 4．3．1 内窥图像的平滑与降噪 | 第64-66页 |
| 4．3．2 内窥图像边缘提取与区域分割 | 第66-72页 |
| 4．4 内窥测量与重建系统的数值处理与表示 | 第72-76页 |
| 4．4．1 深度插值 | 第72-75页 |
| 4．4．2 双目立体视觉的测量模式 | 第75-76页 |
| 4．5 内窥图像视觉三维重建研究 | 第76-85页 |
| 4．5．1 视觉重建的意义和方法 | 第76-78页 |
| 4．5．2 基于OpenGL技术三维表面重建 | 第78-83页 |
| 4．5．3 其他工具在内窥图像视觉重建中的应用 | 第83-85页 |
| 4．6 发动机内部典型损伤实例分析 | 第85-89页 |
| 4．6．1 发动机内部常见损伤分析 | 第85-87页 |
| 4．6．2 典型损伤测量分析实例 | 第87-88页 |
| 4．6．3 发动机内部损伤重建实例 | 第88-89页 |
| 4．7 本章小结 | 第89-91页 |
| 第五章 基于立体视觉的磨粒三维分析方法研究 | 第91-115页 |
| 5．1 磨粒分析的原理、内容及方法 | 第91-96页 |
| 5．1．1 磨粒分析的基本原理 | 第91-92页 |
| 5．1．2 磨粒分析的基本内容 | 第92-94页 |
| 5．1．3 先进的磨粒三维测量技术 | 第94-96页 |
| 5．1．4 基于立体视觉的磨粒三维形貌分析方法 | 第96页 |
| 5．2 基于立体视觉的磨粒三维分析系统的构成 | 第96-101页 |
| 5．2．1 系统的硬件构成 | 第96-98页 |
| 5．2．2 系统的软件构成 | 第98-99页 |
| 5．2．3 磨粒三维分析系统的工作流程 | 第99-100页 |
| 5．2．4 磨粒三维分析系统功能综述 | 第100-101页 |
| 5．3 磨粒分析系统的硬件特性分析 | 第101-106页 |
| 5．3．1 铁谱显微镜 | 第101-103页 |
| 5．3．2 CCD摄像器件 | 第103-104页 |
| 5．3．3 立体成像模式的实现 | 第104-106页 |
| 5．4 磨粒分析系统的软件特性分析 | 第106-110页 |
| 5．4．1 磨粒成像系统的标定 | 第106-108页 |
| 5．4．2 磨粒图像的视差图检测与校正 | 第108-110页 |
| 5．5 磨粒测量方法的误差分析 | 第110-112页 |
| 5．5．1 误差来源与分类 | 第110-111页 |
| 5．5．2 随机误差及其克服 | 第111-112页 |
| 5．5．3 系统误差及其减弱 | 第112页 |
| 5．6 磨粒测量实例分析 | 第112-114页 |
| 5．7 本章小结 | 第114-115页 |
| 第六章 融合三维形貌特征的磨粒识别方法研究 | 第115-125页 |
| 6．1 基于边缘特征的磨粒识别 | 第115-118页 |
| 6．1．1 磨粒的形貌特征和产生机理 | 第115-117页 |
| 6．1．2 基于边缘特征的磨粒识别 | 第117-118页 |
| 6．2 磨粒三维形貌特征提取方法 | 第118-120页 |
| 6．2．1 分形方法及相关参数 | 第118-119页 |
| 6．2．2 谱分析法及其参数 | 第119-120页 |
| 6．3 融合三维形貌特征的磨粒识别方法 | 第120-122页 |
| 6．3．1 三维形貌特征的有效性 | 第120-121页 |
| 6．3．2 磨粒综合识别方法 | 第121-122页 |
| 6．4 磨粒识别分析实例 | 第122-124页 |
| 6．5 本章小结 | 第124-125页 |
| 第七章 结论与展望 | 第125-127页 |
| 7．1 全文内容总结 | 第125页 |
| 7．2 研究结论、创先点与主要贡献 | 第125-126页 |
| 7．3 建议与展望 | 第126-127页 |
| 致谢 | 第127-128页 |
| 作者在学期间的研究成果 | 第128-129页 |
| 参考文献 | 第129-136页 |
