| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 1 绪论 | 第11-19页 |
| 1.1 课题背景及研究意义 | 第11-12页 |
| 1.2 机器视觉系统概述 | 第12页 |
| 1.3 表面缺陷检测技术的国内外研究现状 | 第12-17页 |
| 1.4 本文主要工作及章节安排 | 第17-19页 |
| 2 纸病图像滤波算法研究 | 第19-37页 |
| 2.1 常见噪声类型 | 第19-20页 |
| 2.1.1 高斯噪声 | 第19页 |
| 2.1.2 椒盐噪声 | 第19-20页 |
| 2.2 常用滤波算法 | 第20-26页 |
| 2.2.1 均值滤波 | 第20-22页 |
| 2.2.2 中值滤波 | 第22-23页 |
| 2.2.3 形态学滤波 | 第23-26页 |
| 2.3 纸病图像滤波算法 | 第26-35页 |
| 2.3.1 自适应中值滤波算法 | 第26-28页 |
| 2.3.2 基于多尺度CB形态学的滤波算法 | 第28-32页 |
| 2.3.3 滤波效果的评价方法 | 第32-35页 |
| 2.4 本章小结 | 第35-37页 |
| 3 纸病图像边缘检测算法研究 | 第37-49页 |
| 3.1 常用边缘检测算法 | 第37-43页 |
| 3.1.1 常用边缘检测算子 | 第37-41页 |
| 3.1.2 形态学边缘检测 | 第41-43页 |
| 3.2 纸病图像边缘检测算法 | 第43-47页 |
| 3.2.1 基于多结构元素CB形态学的边缘检测算法 | 第43-44页 |
| 3.2.2 边缘检测效果评价方法 | 第44-47页 |
| 3.3 本章小结 | 第47-49页 |
| 4 基于CB形态学和灰度码分解的纸病检测算法研究 | 第49-63页 |
| 4.1 位平面 | 第49-51页 |
| 4.2 灰度码分解 | 第51-53页 |
| 4.3 基于位平面的纸病检测算法 | 第53-56页 |
| 4.3.1 算法原理 | 第53-54页 |
| 4.3.2 仿真及分析 | 第54-56页 |
| 4.4 基于CB形态学和灰度码分解的纸病检测算法 | 第56-62页 |
| 4.4.1 算法原理 | 第56-57页 |
| 4.4.2 仿真及分析 | 第57-62页 |
| 4.5 本章小结 | 第62-63页 |
| 5 基于RPCA的纸张图像分割算法研究 | 第63-77页 |
| 5.1 RPCA | 第63-66页 |
| 5.1.1 PCA概述 | 第63-65页 |
| 5.1.2 RPCA概述 | 第65-66页 |
| 5.2 基于RPCA的纸病图像分割算法 | 第66-74页 |
| 5.2.1 算法原理 | 第66-67页 |
| 5.2.2 仿真及分析 | 第67-74页 |
| 5.3 本章小结 | 第74-77页 |
| 6 总结与展望 | 第77-79页 |
| 6.1 工作总结 | 第77-78页 |
| 6.2 研究展望 | 第78-79页 |
| 致谢 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 攻读硕士学位期间的科研成果 | 第85页 |
| 攻读硕士学位期间参与的科研项目 | 第85-87页 |