基于机器视觉的重轨热轧标识检测系统关键技术研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-12页 |
| ·研究背景和意义 | 第8-9页 |
| ·标识检测方法综述 | 第9-10页 |
| ·论文研究的主要内容 | 第10-12页 |
| 2 重轨热轧标识检测系统总体设计 | 第12-21页 |
| ·重轨表面几何特征及标识分布 | 第12页 |
| ·系统工作原理及方案 | 第12-16页 |
| ·机器视觉简介 | 第13-14页 |
| ·系统硬件方案 | 第14-15页 |
| ·系统软件及网络通信方案 | 第15-16页 |
| ·系统原始图像获取 | 第16-20页 |
| ·照明系统设计 | 第17-19页 |
| ·可调节式相机支架设计 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 3 重轨热轧标识图像预处理 | 第21-35页 |
| ·重轨表面图像特点 | 第21页 |
| ·图像处理算法流程分析 | 第21-23页 |
| ·图像灰度处理 | 第23页 |
| ·分割图像背景区域 | 第23-29页 |
| ·常见图像分割方法 | 第24-28页 |
| ·基于边缘强对比度拉伸的重轨背景区域分割 | 第28-29页 |
| ·图像增强 | 第29-34页 |
| ·图像灰度对比度增强 | 第30-32页 |
| ·图像去噪 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 4 字符分割与归一化 | 第35-42页 |
| ·重轨标识区域特征介绍 | 第35页 |
| ·重轨标识区域定位 | 第35-37页 |
| ·字符分割 | 第37-39页 |
| ·常用字符分割方法 | 第37-38页 |
| ·基于区域的先验知识和投影法相结合的字符分割 | 第38-39页 |
| ·字符归一化 | 第39-42页 |
| ·大小归一化 | 第39-40页 |
| ·位置归一化 | 第40-42页 |
| 5 基于支持向量机的字符识别 | 第42-59页 |
| ·支持向量机简介 | 第42-47页 |
| ·统计学习理论 | 第42-43页 |
| ·线性可分与不可分问题 | 第43-46页 |
| ·支持向量机 | 第46-47页 |
| ·重轨标识的特征选择和提取 | 第47-51页 |
| ·重轨标识常用字符 | 第47页 |
| ·字符特征的选择与提取 | 第47-51页 |
| ·基于 SVM 的重轨热轧标识识别 | 第51-58页 |
| ·标识样品图 | 第51-52页 |
| ·SVM 核函数 | 第52页 |
| ·字符特征分类 | 第52-53页 |
| ·SVM 算法训练 | 第53-55页 |
| ·仿真实验及结果 | 第55-58页 |
| ·本章小结 | 第58-59页 |
| 6 总结与展望 | 第59-61页 |
| ·总结 | 第59-60页 |
| ·课题展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 附录 | 第66页 |
