| 摘要 | 第2-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第9-13页 |
| 1.1 光学元件表面疵病缺陷 | 第9页 |
| 1.2 光学元件表面疵病检测技术现状 | 第9-11页 |
| 1.3 课题研究的背景及意义 | 第11-12页 |
| 1.4 论文主要研究内容 | 第12-13页 |
| 2 球面光学表面疵病检测算法的总体方案 | 第13-18页 |
| 2.1 球面光学表面疵病检测原理 | 第13-14页 |
| 2.2 球面光学表面疵病检测算法概述 | 第14-17页 |
| 2.2.1 子图像分类算法 | 第15-16页 |
| 2.2.2 子图像拼接算法 | 第16页 |
| 2.2.3 疵病信息提取算法 | 第16-17页 |
| 2.3 本章小结 | 第17-18页 |
| 3 图像配准算法研究 | 第18-42页 |
| 3.1 基于图像灰度的配准算法 | 第18-21页 |
| 3.1.1 互相关算法 | 第19页 |
| 3.1.2 序列相似算法 | 第19-20页 |
| 3.1.3 互信息相似算法 | 第20-21页 |
| 3.2 灰度相关性算法仿真实验 | 第21-23页 |
| 3.3 基于图像特征的配准算法 | 第23-33页 |
| 3.3.1 特征点提取算法 | 第24-29页 |
| 3.3.2 图像中特征点的描述 | 第29-31页 |
| 3.3.3 图像特征点的匹配 | 第31-33页 |
| 3.4 基于图像灰度配准算法的改进 | 第33-36页 |
| 3.4.1 边缘提取算法 | 第34页 |
| 3.4.2 模板选取及匹配 | 第34-36页 |
| 3.5 基于图像特征点配准算法的改进 | 第36-40页 |
| 3.5.1 Harris算法的改进 | 第37页 |
| 3.5.2 改进Harris算法的性能 | 第37-39页 |
| 3.5.3 单尺度Harris-SIFT配准算法 | 第39-40页 |
| 3.6 本章小结 | 第40-42页 |
| 4 图像合成算法 | 第42-51页 |
| 4.1 图像变换矩阵 | 第42-44页 |
| 4.1.1 变换矩阵参数求解 | 第44页 |
| 4.2 图像重采样 | 第44-47页 |
| 4.2.1 图像插值算法 | 第45-47页 |
| 4.3 图像融合 | 第47-48页 |
| 4.4 图像拼接的实现 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 5 疵病信息提取算法 | 第51-67页 |
| 5.1 图像增强算法 | 第51-53页 |
| 5.1.1 直接灰度变换 | 第51-53页 |
| 5.1.2 直方图均衡化 | 第53页 |
| 5.2 图像滤波算法 | 第53-56页 |
| 5.2.1 均值滤波 | 第53-54页 |
| 5.2.2 中值滤波 | 第54页 |
| 5.2.3 高斯滤波 | 第54-55页 |
| 5.2.4 图像滤波实验分析 | 第55-56页 |
| 5.3 疵病图像的二值化算法 | 第56-59页 |
| 5.3.1 Canny边缘检测算法 | 第56-57页 |
| 5.3.2 Otsu阈值法 | 第57-59页 |
| 5.3.3 基于Canny算子和Otsu法的二值化算法 | 第59页 |
| 5.4 自适应区域生长的空洞填充和去除小面积算法 | 第59-61页 |
| 5.5 疵病统计与特征提取算法 | 第61-64页 |
| 5.5.1 疵病数量的统计算法 | 第61-62页 |
| 5.5.2 疵病类型判别算法 | 第62-63页 |
| 5.5.3 疵病的几何特征信息 | 第63-64页 |
| 5.6 像素标定 | 第64-65页 |
| 5.7 本章小结 | 第65-67页 |
| 6 球面光学表面疵病检测结果与分析 | 第67-75页 |
| 6.1 疵病检测实验平台的搭建 | 第67-68页 |
| 6.2 表面子图像的采集 | 第68-69页 |
| 6.3 表面疵病信息的提取 | 第69-73页 |
| 6.4 表面疵病检测的误差源分析 | 第73页 |
| 6.5 本章小结 | 第73-75页 |
| 7 结论与展望 | 第75-77页 |
| 7.1 结论 | 第75-76页 |
| 7.2 展望 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 攻读硕士学位期间发表的论文 | 第80-81页 |
| 致谢 | 第81-84页 |