| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 课题研究背景和意义 | 第12-13页 |
| 1.2 机器视觉缺陷检测技术的研究现状 | 第13-15页 |
| 1.2.1 机器视觉缺陷检测的关键技术 | 第13-14页 |
| 1.2.2 机器视觉缺陷检测技术的国内外发展现状 | 第14-15页 |
| 1.3 论文主要内容及其安排 | 第15-17页 |
| 第二章 小孔内表面缺陷检测系统总体设计 | 第17-26页 |
| 2.1 缺陷检测系统结构设计及图像采集方式 | 第17-18页 |
| 2.2 缺陷检测系统关键硬件的选择 | 第18-23页 |
| 2.2.1 相机的选择 | 第18-19页 |
| 2.2.2 光学镜头的选择 | 第19-20页 |
| 2.2.3 光照的选择 | 第20-23页 |
| 2.3 缺陷检测系统的软件模块设计 | 第23-25页 |
| 2.4 章节小结 | 第25-26页 |
| 第三章 小孔内表面序列图像的多聚焦融合算法研究 | 第26-44页 |
| 3.1 小孔内表面ROI提取 | 第26-27页 |
| 3.2 小孔ROI图像去噪 | 第27-30页 |
| 3.2.1 常见的图像噪声 | 第27-28页 |
| 3.2.2 常见的去噪滤波器 | 第28页 |
| 3.2.3 小孔ROI图像去噪实验与分析 | 第28-30页 |
| 3.3 小孔ROI图像配准 | 第30-34页 |
| 3.3.1 图像配准算法理论 | 第30-31页 |
| 3.3.2 基于SURF算法的图像配准 | 第31-33页 |
| 3.3.3 基于距离约束的小孔ROI图像配准实验与分析 | 第33-34页 |
| 3.4 小孔ROI图像多聚焦融合 | 第34-42页 |
| 3.4.1 多聚焦图像融合理论 | 第34-35页 |
| 3.4.2 小波理论基础 | 第35-38页 |
| 3.4.3 基于区域清晰度的改进小波图像融合算法 | 第38-40页 |
| 3.4.4 多聚焦融合图像的评价方法 | 第40-41页 |
| 3.4.5 小孔ROI图像多聚焦融合实验与分析 | 第41-42页 |
| 3.5 多聚焦融合对小孔内表面缺陷检测影响 | 第42-43页 |
| 3.6 章节小结 | 第43-44页 |
| 第四章 小孔内表面图像的几何变形校正算法研究 | 第44-60页 |
| 4.1 小孔内表面图像的几何变形 | 第44-45页 |
| 4.1.1 透视变形光学机理 | 第44-45页 |
| 4.1.2 扭曲变形光学机理 | 第45页 |
| 4.2 小孔内表面图像的几何校正 | 第45-48页 |
| 4.2.1 基于控制点的几何校正原理 | 第46页 |
| 4.2.2 基于靶标控制点的小孔内表面图像校正法 | 第46-48页 |
| 4.3 基于靶标控制点的小孔内表面图像分步校正法 | 第48-55页 |
| 4.3.1 透视变形校正 | 第48-49页 |
| 4.3.2 扭曲变形校正 | 第49-55页 |
| 4.4 基于靶标控制点的改进分片逼近校正法 | 第55-58页 |
| 4.4.1 基于靶标控制点的分片逼近校正法 | 第55-56页 |
| 4.4.2 小孔内表面图像的改进分片逼近校正法 | 第56-58页 |
| 4.5 小孔内表面图像几何变形校正实验与分析 | 第58-59页 |
| 4.6 章节小结 | 第59-60页 |
| 第五章 小孔内表面缺陷提取与分类算法研究 | 第60-78页 |
| 5.1 小孔内表面常见缺陷介绍 | 第60页 |
| 5.2 小孔内表面缺陷目标提取 | 第60-68页 |
| 5.2.1 图像增强预处理 | 第61-62页 |
| 5.2.2 缺陷目标分割提取 | 第62-66页 |
| 5.2.3 形态学后处理 | 第66-68页 |
| 5.3 小孔内表面缺陷分类 | 第68-77页 |
| 5.3.1 支持向量机理论基础 | 第69-72页 |
| 5.3.2 基于SVM的小孔内表面缺陷分类 | 第72-77页 |
| 5.4 章节小结 | 第77-78页 |
| 第六章 总结与展望 | 第78-80页 |
| 6.1 课题总结 | 第78-79页 |
| 6.2 课题展望 | 第79-80页 |
| 参考文献 | 第80-84页 |
| 致谢 | 第84-85页 |
| 在校期间的研究成果及发表的学术论文 | 第85页 |