钢板头部形状识别与分类技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 论文研究的目的和意义 | 第9-10页 |
| 1.2 国内外研究现状和发展趋势 | 第10-12页 |
| 1.2.1 平面形状控制技术的研究现状 | 第10-11页 |
| 1.2.2 平面形状控制技术的发展趋势 | 第11-12页 |
| 1.3 本论文的主要内容和组织 | 第12-14页 |
| 第2章 中板平面形状控制方案 | 第14-19页 |
| 2.1 引言 | 第14页 |
| 2.2 中板生产流程 | 第14-17页 |
| 2.3 平面形状控制流程设计 | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第3章 钢板头部图像的获取 | 第19-25页 |
| 3.1 引言 | 第19页 |
| 3.2 获取钢板头部图像 | 第19-23页 |
| 3.2.1 硬件系统 | 第19-20页 |
| 3.2.2 软件系统 | 第20-21页 |
| 3.2.3 工业CCD照相机的选择 | 第21-22页 |
| 3.2.4 工业CCD照相机的安装 | 第22-23页 |
| 3.3 本章小结 | 第23-25页 |
| 第4章 钢板头部图像的识别 | 第25-47页 |
| 4.1 引言 | 第25页 |
| 4.2 基于边缘检测的图像识别 | 第25-32页 |
| 4.2.1 一阶微分算子进行边缘检测 | 第26-29页 |
| 4.2.2 二阶微分算子进行边缘检测 | 第29-32页 |
| 4.3 基于条件随机场的图像识别 | 第32-45页 |
| 4.3.1 条件随机场理论 | 第33-35页 |
| 4.3.2 条件随机场的参数化形式 | 第35-36页 |
| 4.3.3 条件随机场的学习 | 第36-38页 |
| 4.3.4 条件随机场的预测 | 第38-45页 |
| 4.4 本章小结 | 第45-47页 |
| 第5章 钢板头部图像的分类 | 第47-58页 |
| 5.1 引言 | 第47页 |
| 5.2 基于k近邻的图像分类 | 第47-53页 |
| 5.2.1 k值选择 | 第48页 |
| 5.2.2 距离度量 | 第48-49页 |
| 5.2.3 分类决策规则 | 第49-53页 |
| 5.3 基于统计的图像分类 | 第53-56页 |
| 5.4 本章小结 | 第56-58页 |
| 第6章 应用 | 第58-65页 |
| 6.1 引言 | 第58页 |
| 6.2 可行性分析 | 第58页 |
| 6.3 应用场景 | 第58-64页 |
| 6.4 本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 攻读学位期间发表论文与研究成果清单 | 第70-71页 |
| 致谢 | 第71页 |
