首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于视觉的振动特征提取算法研究及应用

摘要第5-7页
ABSTRACT第7-9页
第一章 绪论第17-29页
    1.1 视觉测振的研究背景及意义第17-20页
        1.1.1 振动的测量第17-18页
        1.1.2 视觉测量的研究意义第18-20页
    1.2 视觉测量的国内外研究现状第20-26页
    1.3 论文主要研究内容第26-28页
        1.3.1 论文选题第26页
        1.3.2 主要研究内容与技术路线第26-28页
    1.4 本章小结第28-29页
第二章 视觉测量系统的设计研究第29-49页
    2.1 引言第29页
    2.2 视觉测量系统的硬件组成第29-36页
        2.2.1 照明光源第30-31页
        2.2.2 光学镜头选择第31-33页
        2.2.3 图像采集装置第33-35页
        2.2.4 计算机系统第35-36页
    2.3 基于常规图像处理的视觉软件研究第36-40页
        2.3.1 常规图像处理技术第36-37页
        2.3.2 人工标靶的设计第37页
        2.3.3 相机参数的标定第37-40页
    2.4 钢条悬臂梁模态分析实验第40-46页
        2.4.1 悬臂梁振动理论第40-41页
        2.4.2 悬臂梁振动视觉测量第41-42页
        2.4.3 基于常规图像处理手段的振动位移提取第42-44页
        2.4.4 悬臂梁振动位移分析第44-46页
    2.5 常规图像处理手段的应用效果讨论第46-48页
    2.6 本章小结第48-49页
第三章 基于机器视觉的振动提取算法研究第49-77页
    3.1 引言第49页
    3.2 基于模板匹配的位移提取算法研究第49-58页
        3.2.1 图像模板匹配概述第49-52页
        3.2.2 基于NCC模板匹配的位移提取算法第52-57页
        3.2.3 NCC位移提取算法的讨论第57-58页
    3.3 基于SVD分解的位移提取算法研究第58-68页
        3.3.1 SVD奇异值分解理论第58-59页
        3.3.2 基于SVD分解的位移提取算法第59-63页
        3.3.3 主成分信号的物理意义第63-67页
        3.3.4 算法参数的选择第67页
        3.3.5 SVD位移提取算法的讨论第67-68页
    3.4 基于Taylor级数展开的位移提取算法研究第68-75页
        3.4.1 Taylor级数展开理论第68页
        3.4.2 SVD提取算法的理论解释第68-72页
        3.4.3 基于Taylor的位移提取算法第72-75页
        3.4.4 Taylor位移提取算法的讨论第75页
    3.5 本章小结第75-77页
第四章 基于图像对齐的振动快速提取算法研究第77-95页
    4.1 引言第77页
    4.2 Lucas-Kanade图像对齐理论第77-82页
        4.2.1 扭曲变换的概念第77-78页
        4.2.2 算法推导过程第78-81页
        4.2.3 反向组合算法第81-82页
    4.3 基于Lucas-Kanade的位移提取算法研究第82-87页
        4.3.1 复杂运动的参数提取第82-83页
        4.3.2 刚体平动的位移快速提取算法研究第83-87页
    4.4 光栅尺平台实验第87-89页
    4.5 图像对齐位移提取算法的讨论第89-91页
    4.6 本章小结第91-95页
第五章 视觉测量软件开发与应用第95-117页
    5.1 引言第95页
    5.2 视觉测量软件开发第95-98页
        5.2.1 计算机视觉测量软件第95-96页
        5.2.2 手机视觉测量软件第96-98页
    5.3 高精度平移台验证视觉测量精度第98-101页
    5.4 视觉测量软件应用第101-113页
        5.4.1 基于手机的振动测量应用第101-105页
        5.4.2 声屏障结构的远距离视觉测量应用第105-111页
        5.4.3 其他振动测量应用第111-113页
    5.5 本章小结第113-117页
第六章 总结与展望第117-121页
    6.1 论文总结第117-118页
    6.2 论文创新点第118页
    6.3 后续研究工作展望第118-121页
参考文献第121-127页
致谢第127-129页
在读期间发表的学术论文与取得的研究成果第129-130页

论文共130页,点击 下载论文
上一篇:大规模社会网络可视化若干问题及算法研究
下一篇:基于群体智能的通信网络告警关联规则挖掘算法研究