首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

用于汽车外观缺陷自动检测的图像采集及预处理系统研究

摘要第4-5页
abstract第5页
第一章 绪论第14-20页
    1.1 研究背景及意义第14-15页
    1.2 国内外研究现状第15-19页
        1.2.1 机器视觉技术的发展现状第15-16页
        1.2.2 基于机器视觉的表面缺陷检测的国内外研究现状第16-19页
    1.3 本文的内容安排第19-20页
第二章 图像采集及预处理系统总体设计第20-34页
    2.1 系统技术要求第20页
    2.2 系统总体方案及技术实现路线第20-23页
        2.2.1 系统总体方案第20-22页
        2.2.2 系统的技术实现路线第22-23页
    2.3 汽车外观图像采集方案第23-25页
    2.4 系统硬件设备选型第25-31页
        2.4.1 光源及照明方式的选择第25-26页
        2.4.2 工业相机的选型第26-28页
        2.4.3 镜头的选择第28-30页
        2.4.4 导轨、伺服控制器、伺服驱动器与电机的选择第30-31页
    2.5 系统软件模块设计第31-33页
        2.5.1 图像采集模块第32-33页
        2.5.2 图像处理模块第33页
        2.5.3 信号控制与数据管理模块第33页
    2.6 本章小结第33-34页
第三章 图像去噪方法研究第34-47页
    3.1 图像去噪技术简介第34-35页
    3.2 BM3D算法第35-38页
    3.3 BM3D算法的优化方法第38-42页
        3.3.1 灰度均值法第39页
        3.3.2 比较结果记录法第39-41页
        3.3.3 小波域去噪法第41-42页
    3.4 改进的BM3D算法第42-43页
    3.5 实验与分析第43-46页
        3.5.1 图像质量评价方法第43页
        3.5.2 实验分析第43-46页
    3.6 本章小结第46-47页
第四章 图像配准方法研究第47-66页
    4.1 图像配准技术简介第47-48页
    4.2 图像配准理论基础第48-58页
        4.2.1 SURF特征提取第49-51页
            4.2.1.1 DoH特征检测算子第49页
            4.2.1.2 近似的DoH特征检测算子第49-51页
        4.2.2 特征点描述第51-53页
            4.2.2.1 SURF特征点描述算子第51-52页
            4.2.2.2 DAISY特征描述符第52-53页
        4.2.3 特征点匹配第53-55页
            4.2.3.1 相似性度量准则第53-54页
            4.2.3.2 搜索策略第54-55页
            4.2.3.3 误匹配点的去除第55页
        4.2.4 空间变换矩阵估计第55-57页
        4.2.5 重采样和插值第57-58页
            4.2.5.1 图像重采样技术第57页
            4.2.5.2 图像插值技术第57-58页
    4.3 本文的图像配准方法第58-60页
        4.3.1 改进的DAISY主方向分配方法第58-59页
        4.3.2 验证式随机kd树第59-60页
        4.3.3 基于改进的SURF_DAISY算法和验证式随机kd树的图像配准方法第60页
    4.4 实验与分析第60-65页
    4.5 本章小结第65-66页
第五章 图像边缘检测方法研究第66-78页
    5.1 图像边缘检测简介第66-67页
    5.2 基于小波变换模极大值的图像边缘检测第67-68页
    5.3 基于新型数学形态学的图像边缘检测第68-70页
        5.3.1 数学形态学的基本运算第68页
        5.3.2 数学形态学的边缘检测算子第68-69页
        5.3.3 结构元素对边缘检测的影响第69页
        5.3.4 基于新型数学形态学的边缘检测法第69-70页
    5.4 融合小波变换和新型形态学的含噪图像边缘检测算法第70-72页
    5.5 实验与分析第72-76页
        5.5.1 新型数学形态学的实验与分析第72-73页
        5.5.2 融合检测算法的实验与分析第73-76页
    5.6 本章小结第76-78页
第六章 系统的实现与测试第78-89页
    6.1 系统硬件实现第78-79页
    6.2 系统软件实现第79-83页
    6.3 模板匹配检测法第83-88页
    6.4 本章小结第88-89页
第七章 总结与展望第89-92页
    7.1 论文工作总结第89-90页
    7.2 论文工作展望第90-92页
参考文献第92-98页
致谢第98-99页
在学期间的研究成果及发表的学术论文第99页

论文共99页,点击 下载论文
上一篇:基于滤波和物理模型的图像去雾算法研究
下一篇:基于二部图网络结构的个性化推荐算法的研究