| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 1 绪论 | 第8-13页 |
| 1.1 课题研究的背景及意义 | 第8-9页 |
| 1.2 国内外研究和应用情况 | 第9-12页 |
| 1.3 本文的主要研究内容 | 第12-13页 |
| 2 表面质量视觉检测系统及关键技术 | 第13-24页 |
| 2.1 表面质量视觉检测系统 | 第13-17页 |
| 2.1.1 表面质量视觉检测系统的基本组成 | 第14-15页 |
| 2.1.2 表面质量视觉检测的典型应用 | 第15-17页 |
| 2.2 表面质量视觉检测系统中纹理特征提取 | 第17-21页 |
| 2.2.1 灰度共生矩阵 | 第18页 |
| 2.2.2 LBP特征 | 第18-19页 |
| 2.2.3 Gabor特征 | 第19-21页 |
| 2.3 表面质量视觉检测系统中颜色特征提取 | 第21-23页 |
| 2.3.1 颜色直方图 | 第21-22页 |
| 2.3.2 颜色相关图 | 第22-23页 |
| 2.4 本章小节 | 第23-24页 |
| 3 多元图像分析方法在金属表面缺陷检测的应用 | 第24-43页 |
| 3.1 磁性金属表面缺陷检测特点 | 第24页 |
| 3.2 多元图像分析方法 | 第24-30页 |
| 3.2.1 多角度照明实现 | 第25-27页 |
| 3.2.2 堆叠和展开 | 第27-28页 |
| 3.2.3 多元图像矩阵X的主成分分析 | 第28-30页 |
| 3.3 选择有效照明角度 | 第30-31页 |
| 3.4 缺陷检测算法 | 第31-37页 |
| 3.4.1 计算得到Q统计图像 | 第31-32页 |
| 3.4.2 分块处理Q统计图像 | 第32-34页 |
| 3.4.3 支持向量机 | 第34-37页 |
| 3.5 实验及结果分析 | 第37-42页 |
| 3.5.1 搭建缺陷检测实验平台 | 第37-40页 |
| 3.5.2 金属表面缺陷在线检测实验 | 第40-42页 |
| 3.6 本章小结 | 第42-43页 |
| 4 特征选择方法在瓷砖表面颜色纹理分级的应用 | 第43-60页 |
| 4.1 表面颜色纹理分级特点 | 第43-44页 |
| 4.2 特征选择算法 | 第44-48页 |
| 4.2.1 特征选择算法特点 | 第44-45页 |
| 4.2.2 基于互信息的特征选择方法 | 第45-47页 |
| 4.2.3 最近邻分类器 | 第47-48页 |
| 4.3 基于特征选择的表面颜色纹理分级方法 | 第48-50页 |
| 4.3.1 基于特征选择的表面分级检测基本流程 | 第48-49页 |
| 4.3.2 Filter和Wrapper联合的特征选择方法 | 第49-50页 |
| 4.4 实验及结果分析 | 第50-59页 |
| 4.4.1 瓷砖表面颜色纹理分级 | 第50-52页 |
| 4.4.2 单特征对各类瓷砖分级实验 | 第52-54页 |
| 4.4.3 构建颜色纹理特征库 | 第54-55页 |
| 4.4.4 基于特征选择的瓷砖表面分级实验 | 第55-59页 |
| 4.5 本章小结 | 第59-60页 |
| 5 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60页 |
| 5.2 进一步工作展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 在学研究成果 | 第65-66页 |
| 致谢 | 第66页 |