文摘
英文文摘
声明
第一章绪论
1.1机器视觉检测的目的以及研究意义
1.2研究课题来源
1.3图像的基本概念
1.4数字图像处理应用
1.5本课题研究内容
1.6本章小结
第二章机器视觉与图像处理
2.1机器视觉
2.2机器视觉系统的主要结构
2.2.1 CCD相机
2.2.2镜头
2.2.3光源
2.3图像放大采集系统构成及工作原理
2.4机器视觉应用与图像处理技术研究现状
2.4.1机器视觉应用
2.4.2图像采集
2.4.3图像拼接
2.4.4图像分割
2.4.5图像频域分析
2.4.6图像特征识别
2.4.7图像放大
2.4.8图像形态学
2.4.9研究现状小结
2.5本章小结
第三章芯片检测相关图像处理技术
3.1基于分层八邻域方向预测算子模板搜索的图像拼接技术
3.1.1图像拼接技术概述
3.1.2基于分层八邻域方向预测算子模板搜索图像拼接方法
3.1.3基于方向预测算子遍历的图像拼接实验
3.1.4与普通图像拼接算法效果比较
3.1.5小结
3.2基于NURBS自由曲面插值的图像像素插值放大方法
3.2.1图像插值放大技术概述
3.2.2基于NURBS曲面的图像放大技术
3.2.3图像插值放大实验
3.2.4与普通插值放大算法效果比较
3.2.5小结
3.3基于Mahalanobis空间距离的彩色图像分割算法
3.3.1图像分割技术概述
3.3.2基于Mahalanobis空间距离的彩色图像分割算法
3.3.3基于类间方差法与Mahalanobis距离的彩色图像分割实验
3.3.4与普通图像分割算法效果比较
3.3.5小结
3.4基于小波分解二阶矩的图像融合技术
3.4.1图像融合技术概述
3.4.2小波分析技术概述
3.4.3基于小波二阶矩的图像融合技术
3.4.4图像融合实验
3.4.5与普通图像融合算法效果比较
3.4.6小结
3.5本章小结
第四章基于Mahalanobis距离与BP网络小波图像识别技术
4.1神经网络与模式识别技术概述
4.1.1神经网络技术概述
4.1.2模式识别技术概述
4.2 Mahalanobis距离区域搜索
4.3 BP人工神经网络进行图像识别
4.4图像识别算法实现步骤
4.5图像识别实验
4.6与其他距离度量方法识别比较
4.7本章小结
第五章基于小波能量熵与二维Zernike矩的微观不平度检测
5.1芯片表面不平度检测的重要性与必要性
5.2基于小波能量熵与Zernike矩的芯片不平度检测理论
5.2.1图像二维小波变换的数学表达
5.2.2基于小波变换的图像能量熵
5.2.3旋转不变性小波Zernike矩
5.2.4实物样本不平度检测
5.3芯片不平度检测算法实现步骤
5.4表面平面度图像检测实验
5.5本章小结
第六章基于NURBS曲面与小波能量分布像素细分检测技术
6.1像素细分的可行性
6.2亚像素定位的基本理论
6.3基于NURBS曲面与小波能量分布像素细分检测技术
6.3.1基于NURBS曲面图像插值放大
6.3.2小波能量分布算子
6.3.3边缘直线拟合与距离确定
6.4图像像素细分检测实验
6.5与普通亚像素矩检测方法的精度对比
6.6本章小结
第七章图像检测实例与数据处理
7.1计算机视觉检测的准备工作
7.1.1检测系统功能需求
7.1.2计算机视觉检测系统结构
7.1.3图像采集照明方案
7.1.4摄像机标定
7.1.5开发语言简介与界面设计
7.2图像拼接实验
7.3图像放大实验
7.4图像分割实验
7.5图像融合实验
7.6图像识别实验
7.7表面平面度图像检测实验
7.8图像像素细分检测实验
7.9精度分析
7.9.1图像检测误差种类与来源
7.9.2采取的相关措施
7.10本章小结
结论与展望
本文的主要研究成果
论文工作所取得的创新性研究成果
未来工作展望
参考文献
攻读博士学位期间取得的研究成果
致谢