| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| abstract | 第9页 |
| 第一章 绪论 | 第16-24页 |
| 1.1 课题的研究背景及意义 | 第16-18页 |
| 1.2 课题的国内外研究现状 | 第18-20页 |
| 1.3 课题的来源和研究的主要内容 | 第20-21页 |
| 1.4 论文的组织结构 | 第21-23页 |
| 1.5 本章小结 | 第23-24页 |
| 第二章 大型复杂结构件视觉检测的图像去噪技术研究 | 第24-34页 |
| 2.1 引言 | 第24页 |
| 2.2 大型复杂结构件视觉检测环境分析 | 第24-25页 |
| 2.3 传统的图像去噪算法概述 | 第25-28页 |
| 2.3.1 空域滤波 | 第25-26页 |
| 2.3.2 频域滤波 | 第26-28页 |
| 2.4 大型复杂结构件视觉检测的图像噪声分析 | 第28-30页 |
| 2.4.1 图像噪声的分类及特点 | 第28-29页 |
| 2.4.2 图像噪声的估计 | 第29页 |
| 2.4.3 环境对图像噪声的影响 | 第29-30页 |
| 2.5 基于高斯和椒盐的混合去噪算法 | 第30-32页 |
| 2.5.1 混合去噪算法模型 | 第30-31页 |
| 2.5.2 实验结果与分析 | 第31-32页 |
| 2.6 本章小结 | 第32-34页 |
| 第三章 基于机器视觉的大型复杂结构件质量检测处理技术研究 | 第34-46页 |
| 3.1 引言 | 第34页 |
| 3.2 视场环境的标定技术 | 第34-36页 |
| 3.2.1 相机标定的基本知识 | 第34-35页 |
| 3.2.2 相机标定方法 | 第35-36页 |
| 3.3 图像边缘检测技术 | 第36-41页 |
| 3.3.1 图像特征的分类 | 第36-38页 |
| 3.3.2 边缘检测算法概述 | 第38-40页 |
| 3.3.3 边缘检测算法效果比较 | 第40-41页 |
| 3.4 基于Canny边缘检测的特征形状识别 | 第41-44页 |
| 3.4.1 标准模板创建 | 第41-43页 |
| 3.4.2 基于边缘特的模板匹配 | 第43-44页 |
| 3.5 基于外接矩形拟合的特征尺寸测量 | 第44-45页 |
| 3.5.1 边缘轮廓的外接矩形拟合 | 第44页 |
| 3.5.2 尺寸测量 | 第44-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第四章 基于动态规划的大型复杂结构件图像采集技术研究 | 第46-56页 |
| 4.1 引言 | 第46页 |
| 4.2 大型复杂结构件图像采集影响因素 | 第46-47页 |
| 4.2.1 相机的视场范围限制 | 第46页 |
| 4.2.2 相机固定装置的限制 | 第46页 |
| 4.2.3 大型复杂结构件的产品特征 | 第46-47页 |
| 4.3 大型复杂结构件图像采集路径规划问题分析 | 第47页 |
| 4.4 路径规划算法概述 | 第47-51页 |
| 4.4.1 图的基本知识和存储方式 | 第47-49页 |
| 4.4.2 Dijkstra算法 | 第49-50页 |
| 4.4.3 A*算法 | 第50-51页 |
| 4.4.4 动态规划算法 | 第51页 |
| 4.5 基于动态规划的图像采集路径规划方法 | 第51-54页 |
| 4.5.1 大型复杂结构件的特征网络模型构建 | 第51-53页 |
| 4.5.2 特征检测的图像采集路径规划 | 第53-54页 |
| 4.6 本章小结 | 第54-56页 |
| 第五章 大型复杂结构件视觉检测系统实现 | 第56-68页 |
| 5.1 引言 | 第56页 |
| 5.2 系统运行原理 | 第56-57页 |
| 5.3 系统的总体结构 | 第57-61页 |
| 5.3.1 系统的硬件选择 | 第58-61页 |
| 5.3.2 系统的软件介绍 | 第61页 |
| 5.4 系统软件实现 | 第61-66页 |
| 5.4.1 路径规划 | 第62页 |
| 5.4.2 信息配置 | 第62-63页 |
| 5.4.3 视觉检测 | 第63-66页 |
| 5.5 本章小结 | 第66-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68-69页 |
| 6.2 展望 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第73-74页 |