| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-19页 |
| ·课题的研究背景及意义 | 第10-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·轨道缺陷检测技术的发展 | 第12-13页 |
| ·机器视觉及图像处理系统的的发展 | 第13-15页 |
| ·研究趋势分析 | 第15-17页 |
| ·本文主要研究内容和结构安排 | 第17-19页 |
| ·课题来源和本文的主要工作 | 第17页 |
| ·结构安排 | 第17-19页 |
| 第2章 轨道表面缺陷检测算法研究 | 第19-38页 |
| ·引言 | 第19页 |
| ·轨道区域定位 | 第19-22页 |
| ·已有的方法 | 第20-21页 |
| ·本文的方法 | 第21页 |
| ·实验结果及分析 | 第21-22页 |
| ·轨道图像的预处理算法 | 第22-26页 |
| ·平滑去噪 | 第23-24页 |
| ·实验结果及分析 | 第24-26页 |
| ·轨道表面缺陷的检测和定位 | 第26-37页 |
| ·基于区域的分割 | 第26-28页 |
| ·基于边缘的分割 | 第28-30页 |
| ·基于改进的Canny算法的轨道表面缺陷区域检测和定位 | 第30-36页 |
| ·经典Canny算法原理及其存在的问题 | 第30-32页 |
| ·本文改进的Canny方法 | 第32-36页 |
| ·实验结果及分析 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第3章 轨道表面缺陷特征提取和识别 | 第38-47页 |
| ·缺陷特征的描述 | 第38-39页 |
| ·特征提取及特征参数选择 | 第39-40页 |
| ·特征量计算 | 第39-40页 |
| ·特征参数分析与选择 | 第40页 |
| ·缺陷的识别与分类 | 第40-46页 |
| ·LVQ神经网络算法原理 | 第41-44页 |
| ·LVQ神经网络的训练 | 第44-46页 |
| ·缺陷识别实验与结论 | 第46页 |
| ·本章小结 | 第46-47页 |
| 第4章 基于DSP的嵌入式图像处理平台的搭建与算法实现 | 第47-64页 |
| ·引言 | 第47-48页 |
| ·嵌入式DSP图像处理平台的搭建 | 第48-52页 |
| ·DSP图像处理平台的选择 | 第48-49页 |
| ·基于DSP的图像处理平台硬件结构组成 | 第49-52页 |
| ·系统的工作流程 | 第52页 |
| ·基于CCS的图像处理程序设计 | 第52-54页 |
| ·CCS3.1集成开发环境 | 第52-53页 |
| ·CCS3.1开发环境的使用 | 第53-54页 |
| ·算法的DSP实现 | 第54-63页 |
| ·驱动程序的设计 | 第54-58页 |
| ·单个算法的DSP实现 | 第58-61页 |
| ·轨道表面缺陷检测算法的DSP实现 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第5章 总结与展望 | 第64-67页 |
| ·全文的工作总结 | 第64-65页 |
| ·对课题的展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间发表的论文和参加科研情况 | 第71-72页 |
| 致谢 | 第72-73页 |
| 附录 DSP图像处理平台硬件 | 第73-74页 |