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

基于机器视觉的复杂内孔表面缺陷检测

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

论文共86页,点击 下载论文
上一篇:王统照散文创作研究
下一篇:宋丽书籍交流探析