基于机器视觉的铝轮毂背腔信息识别
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究的背景和意义 | 第11-13页 |
| 1.2 课题研究现状 | 第13-17页 |
| 1.3 主要研究内容 | 第17页 |
| 1.4 论文的章节安排 | 第17-19页 |
| 第2章 铝轮毂背腔图片前期处理 | 第19-29页 |
| 2.1 引言 | 第19页 |
| 2.2 图像灰度化处理 | 第19-21页 |
| 2.3 图像二值化处理 | 第21-24页 |
| 2.3.1 最大熵法 | 第22页 |
| 2.3.2 otsu法 | 第22-23页 |
| 2.3.3 迭代法 | 第23-24页 |
| 2.4 图像去噪处理 | 第24-27页 |
| 2.4.1 均值滤波 | 第24-25页 |
| 2.4.2 中值滤波 | 第25页 |
| 2.4.3 双边滤波 | 第25-27页 |
| 2.5 本章小结 | 第27-29页 |
| 第3章 铝轮毂背腔有效区域提取 | 第29-41页 |
| 3.1 引言 | 第29页 |
| 3.2 铝轮毂背腔圆环区域提取 | 第29-34页 |
| 3.2.1 霍夫圆变换检测圆原理 | 第29-31页 |
| 3.2.2 基于双向投影的圆心标定 | 第31-32页 |
| 3.2.3 提取圆环 | 第32-34页 |
| 3.3 360度旋转投影 | 第34-39页 |
| 3.3.1 旋转变换原理 | 第34-36页 |
| 3.3.2 旋转直方图 | 第36-39页 |
| 3.4 有效区域分割 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 铝轮毂背腔字符分割 | 第41-50页 |
| 4.1 引言 | 第41页 |
| 4.2 多模板匹配原理 | 第41-43页 |
| 4.3 多模板匹配分割 | 第43-48页 |
| 4.3.1 建立模板库 | 第43-44页 |
| 4.3.2 标定字符串位置 | 第44-45页 |
| 4.3.3 评估最佳模板 | 第45-46页 |
| 4.3.4 优化分割结果 | 第46-47页 |
| 4.3.5 试验验证 | 第47-48页 |
| 4.4 本章小结 | 第48-50页 |
| 第5章 铝轮毂背腔字符识别 | 第50-77页 |
| 5.1 引言 | 第50页 |
| 5.2 神经网络 | 第50-53页 |
| 5.3 卷积神经网络基本原理 | 第53-59页 |
| 5.3.1 卷积神经网络的结构 | 第53-54页 |
| 5.3.2 卷积层的局部连接和权值共享 | 第54-55页 |
| 5.3.3 卷积层 | 第55-56页 |
| 5.3.4 下采样层 | 第56-57页 |
| 5.3.5 softmax回归 | 第57-59页 |
| 5.4 inception结构 | 第59-61页 |
| 5.5 字符识别实验结果及分析 | 第61-76页 |
| 5.5.1 实验环境 | 第61-62页 |
| 5.5.2 采集实验样本 | 第62-63页 |
| 5.5.3 过拟合及试验参数选择 | 第63-67页 |
| 5.5.4 不同颜色深度字符的识别 | 第67-69页 |
| 5.5.5 鲁棒性实验 | 第69-72页 |
| 5.5.6 不规则字符的识别 | 第72-75页 |
| 5.5.7 对比试验 | 第75-76页 |
| 5.6 本章小结 | 第76-77页 |
| 结论 | 第77-79页 |
| 参考文献 | 第79-84页 |
| 攻读硕士学位期间承担的科研任务与主要研究成果 | 第84-85页 |
| 致谢 | 第85页 |
