| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 机器视觉及检测技术研究现状 | 第10-11页 |
| 1.2.2 图像增强技术研究现状 | 第11-12页 |
| 1.2.3 特征提取算法研究现状 | 第12-13页 |
| 1.2.4 特征分类算法研究现状 | 第13-14页 |
| 1.3 论文主要研究内容及结构安排 | 第14-15页 |
| 1.4 本章小结 | 第15-16页 |
| 第2章 金属表面细微缺陷图像的预处理 | 第16-24页 |
| 2.1 缺陷图像噪声处理 | 第16-19页 |
| 2.1.1 图像中噪声的来源 | 第16-17页 |
| 2.1.2 图像滤波 | 第17-19页 |
| 2.2 缺陷图像增强 | 第19-21页 |
| 2.3 金属表面缺陷图像预处理及结果 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 金属表面细微缺陷特征提取方法的研究 | 第24-41页 |
| 3.1 非纹理背景的细微缺陷特征提取 | 第24-32页 |
| 3.1.1 金属表面细微缺陷种类及其特征参数分析 | 第24-25页 |
| 3.1.2 核主成分分析算法 | 第25-28页 |
| 3.1.3 基于改进核主成分分析算法的缺陷特征提取 | 第28-32页 |
| 3.2 有纹理背景的细微缺陷特征提取 | 第32-40页 |
| 3.2.1 缺陷图像的纹理分析 | 第32-33页 |
| 3.2.2 低秩矩阵重构的数学模型 | 第33-34页 |
| 3.2.3 基于低秩矩阵重构的缺陷特征提取 | 第34-40页 |
| 3.3 本章小结 | 第40-41页 |
| 第4章 金属表面细微缺陷分类方法的研究 | 第41-51页 |
| 4.1 缺陷分类算法分析 | 第41页 |
| 4.2 支持向量机算法 | 第41-46页 |
| 4.2.1 分类原理 | 第41-42页 |
| 4.2.2 线性分类 | 第42-44页 |
| 4.2.3 非线性分类 | 第44-46页 |
| 4.3 基于支持向量机的层次核聚类分析 | 第46-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 实验结果与分析 | 第51-59页 |
| 5.1 实验的前期准备 | 第51-52页 |
| 5.2 核函数选择 | 第52-53页 |
| 5.3 核函数参数的交叉验证 | 第53-54页 |
| 5.4 缺陷分类结果与分析 | 第54-58页 |
| 5.4.1 分类结果 | 第54-57页 |
| 5.4.2 结果分析 | 第57-58页 |
| 5.5 本章小结 | 第58-59页 |
| 第6章 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59页 |
| 6.2 展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 作者简介 | 第66-67页 |
| 攻读硕士学位期间研究成果 | 第67页 |