基于机器视觉的印刷品缺陷识别系统研究
| 摘要 | 第1-3页 |
| ABSTRACT | 第3-6页 |
| 1 绪论 | 第6-11页 |
| ·课题研究的背景及意义 | 第6页 |
| ·印刷品缺陷识别的研究现状 | 第6-7页 |
| ·机器视觉技术及其在印刷品缺陷识别领域中的应用 | 第7-10页 |
| ·机器视觉技术 | 第8-9页 |
| ·机器视觉在印刷品缺陷识别中的应用 | 第9-10页 |
| ·课题的主要研究内容及论文结构安排 | 第10-11页 |
| 2 缺陷识别系统硬件平台搭建 | 第11-23页 |
| ·印刷品缺陷识别的基本思想 | 第11页 |
| ·硬件平台总体设计 | 第11-12页 |
| ·硬件平台结构介绍 | 第12-17页 |
| ·TDS642EVM多路实时图像处理平台 | 第12-13页 |
| ·系统应用单元 | 第13-14页 |
| ·系统数据运行流程 | 第14页 |
| ·EDMA数据搬移 | 第14-17页 |
| ·模拟印刷品实验台设计 | 第17页 |
| ·系统辅助硬件设备 | 第17-22页 |
| ·CCD摄像机 | 第17-18页 |
| ·同步信号发生单元设计 | 第18-20页 |
| ·同步照明装置设计 | 第20-21页 |
| ·显示器 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 3 印刷品图像预处理 | 第23-31页 |
| ·印刷品图像预处理流程 | 第23页 |
| ·灰度图的转化 | 第23-24页 |
| ·图像滤波 | 第24-25页 |
| ·邻域平均法 | 第24-25页 |
| ·中值滤波 | 第25页 |
| ·实验结果 | 第25页 |
| ·图像增强 | 第25-26页 |
| ·图像边缘提取 | 第26-29页 |
| ·边缘差分 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 4 印刷品缺陷识别算法研究 | 第31-43页 |
| ·图像模式识别基础 | 第31-33页 |
| ·印刷品缺陷分类的分析 | 第32页 |
| ·分类器的选择 | 第32-33页 |
| ·BP神经网络分类器 | 第33-37页 |
| ·BP神经网络的结构和原理 | 第33-35页 |
| ·BP网络的确定原则 | 第35-36页 |
| ·BP网络学习算法及其改进 | 第36-37页 |
| ·基于BP网络的缺陷分类 | 第37-42页 |
| ·缺陷分类模块的框架 | 第37-38页 |
| ·特征的选取 | 第38-39页 |
| ·BP网络分类器构造 | 第39-40页 |
| ·试验及分析 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 5 系统软件设计 | 第43-54页 |
| ·软件开发工具 | 第43页 |
| ·软件系统总体设计 | 第43-44页 |
| ·软件系统总体框架 | 第43-44页 |
| ·主体应用程序设计 | 第44页 |
| ·视频驱动程序设计 | 第44-45页 |
| ·系统任务间的数据传输 | 第45-46页 |
| ·软件模块化实现 | 第46-52页 |
| ·显示界面 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 6 结论 | 第54-56页 |
| ·全文总结 | 第54页 |
| ·展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 附录 | 第60页 |
