| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 步进梁工艺简介 | 第12-13页 |
| 1.3 图像处理技术的应用现状及发展前景 | 第13-18页 |
| 1.3.1 数字图像处理技术的主要特点 | 第14页 |
| 1.3.2 图像处理在机器视觉上的应用 | 第14-16页 |
| 1.3.3 数字图像处理存在的问题与未来的方向 | 第16-18页 |
| 1.4 本文主要工作 | 第18-21页 |
| 第2章 数字图像处理基础 | 第21-33页 |
| 2.1 图像滤波方法分类 | 第21-23页 |
| 2.1.1 空域滤波与频域滤波 | 第21-22页 |
| 2.1.2 线性滤波 | 第22页 |
| 2.1.3 非线性滤波 | 第22-23页 |
| 2.2 基于边缘结构保持的图像滤波 | 第23-25页 |
| 2.3 图像边缘提取的基本理论 | 第25-31页 |
| 2.3.1 图像边缘类型 | 第25-26页 |
| 2.3.2 边缘提取的方法 | 第26-27页 |
| 2.3.3 图像边缘提取的难点 | 第27-28页 |
| 2.3.4 图像边缘提取性能的评价标准 | 第28-31页 |
| 2.4 本章小结 | 第31-33页 |
| 第3章 基于Canny算子的边缘检测 | 第33-45页 |
| 3.1 经典微分算子边缘检测方法 | 第33-40页 |
| 3.1.1 Roberts算子 | 第34页 |
| 3.1.2 Sobel算子 | 第34-35页 |
| 3.1.3 Prewitt算子 | 第35-36页 |
| 3.1.4 LoG算子 | 第36-38页 |
| 3.1.5 Canny算子 | 第38-40页 |
| 3.2 自适应Canny边缘检测算法 | 第40-43页 |
| 3.2.1 全局阈值分割方法 | 第40页 |
| 3.2.2 改进的梯度幅值计算方法 | 第40-41页 |
| 3.2.3 自适应阈值确定方法 | 第41-42页 |
| 3.2.4 边界跟踪 | 第42页 |
| 3.2.5 实验与分析 | 第42-43页 |
| 3.3 本章小结 | 第43-45页 |
| 第4章 基于Canny边缘检测和聚合接续法的钢坯边缘提取 | 第45-55页 |
| 4.1 输入图像的直方图均衡化 | 第45-46页 |
| 4.2 预处理图像的边缘检测 | 第46-49页 |
| 4.2.1 高斯平滑滤波 | 第47-48页 |
| 4.2.2 获取滤波阵列对应的幅值矩阵 | 第48页 |
| 4.2.3 边界检测阈值计算 | 第48页 |
| 4.2.4 形态学操作 | 第48-49页 |
| 4.3 边缘提取 | 第49-53页 |
| 4.3.1 算法的提出 | 第49-50页 |
| 4.3.2 算法说明 | 第50-51页 |
| 4.3.3 算法的实现 | 第51-53页 |
| 4.4 本章小结 | 第53-55页 |
| 第5章 基于数据回归建模的钢坯位置测算 | 第55-65页 |
| 5.1 偏最小二乘回归的理论概述 | 第55-56页 |
| 5.2 数据回归建模理论 | 第56-57页 |
| 5.3 基于数据回归建模的钢坯位置测算方法 | 第57-61页 |
| 5.3.1 建模数据分析 | 第57-59页 |
| 5.3.2 测距算法 | 第59-61页 |
| 5.4 算法验证及结果分析 | 第61-62页 |
| 5.4.1 实验验证 | 第61-62页 |
| 5.4.2 结果分析 | 第62页 |
| 5.5 本章小结 | 第62-65页 |
| 第6章 总结与展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71页 |