摘要 | 第9-10页 |
ABSTRACT | 第10页 |
第1章 绪论 | 第11-17页 |
1.1 课题的背景 | 第11-12页 |
1.2 课题的意义 | 第12-13页 |
1.3 国内外机器视觉的发展现状 | 第13-14页 |
1.4 本文的研究内容 | 第14-17页 |
第2章 内孔缺陷检测系统设计 | 第17-25页 |
2.1 内孔检测系统缺陷检测系统概述 | 第17-19页 |
2.2 高质量的内孔表面图像采集 | 第19-21页 |
2.2.1 相机和镜头的选取 | 第19-20页 |
2.2.2 光源的选择 | 第20-21页 |
2.3 系统结构 | 第21-24页 |
2.3.1 硬件控制 | 第21-22页 |
2.3.2 交互界面 | 第22页 |
2.3.3 软件算法 | 第22-24页 |
2.4 本章小结 | 第24-25页 |
第3章 图像非检测区域分割 | 第25-41页 |
3.1 内孔边缘检测 | 第25-26页 |
3.2 Trajkovic角点检测算法 | 第26-30页 |
3.3 改进Trajkovic角点检测算法 | 第30-35页 |
3.3.1 Trajkovic算法改进 | 第30-32页 |
3.3.2 算法步骤 | 第32-35页 |
3.4 图像非检测区域提取 | 第35-39页 |
3.4.1 分割流程 | 第36-37页 |
3.4.2 分割详细步骤 | 第37-39页 |
3.5 本章小结 | 第39-41页 |
第4章 内孔图像展开与特征提取 | 第41-63页 |
4.1 内孔图像展开 | 第41-51页 |
4.1.1 图像展开算法概述 | 第41-42页 |
4.1.2 环形图像中心点的查找 | 第42-45页 |
4.1.3 插值算法 | 第45-48页 |
4.1.4 内孔表面图像展开 | 第48-51页 |
4.2 缺陷特征的提取 | 第51-60页 |
4.2.1 特征与特征向量 | 第52-53页 |
4.2.2 几何特征 | 第53-55页 |
4.2.3 灰度特征 | 第55-56页 |
4.2.4 纹理特征 | 第56-60页 |
4.3 实验结果数据 | 第60-61页 |
4.4 本章小结 | 第61-63页 |
第5章 缺陷的检测与识别 | 第63-75页 |
5.1 特征降维 | 第63-66页 |
5.1.1 基于主要成分分析(PCA)的特征降维 | 第63-65页 |
5.1.2 缺陷特征降维结果 | 第65-66页 |
5.2 支持向量机 | 第66-72页 |
5.2.1 概述 | 第66-67页 |
5.2.2 SVM | 第67-70页 |
5.2.3 基于Laplacian正则化支持向量机 | 第70-72页 |
5.3 实验结果 | 第72-73页 |
5.4 本章小结 | 第73-75页 |
总结与展望 | 第75-77页 |
总结 | 第75-76页 |
展望 | 第76-77页 |
参考文献 | 第77-83页 |
攻读学位期间的科研成果 | 第83-85页 |
致谢 | 第85-86页 |
附件 | 第86页 |