论文说明
声明
摘要
第一章 绪论
1.1 课题研究背景和研究意义
1.2 带钢表面常见缺陷形态及成因
1.3 带钢表面缺陷检测技术的国内外研究现状
1.4 基于机器视觉的带钢表面缺陷检测系统相关技术研究
1.4.1 检测方法的研究
1.4.2 图像处理技术
1.4.3 图像识别技术
1.5 存在的问题分析及本文的主要研究内容
第二章 光源对带钢缺陷视觉检测系统的影响
2.1 机器视觉检测硬件系统设计
2.1.1 光源的种类及选择
2.1.2 传感器的种类及选择
2.1.3 带钢表面缺陷视觉检测系统光源配置模型
2.1.4 照明系统设计
2.2 光源对带钢表面缺陷检测的影响
2.3 光源方向性特征在缺陷分割与分类中的应用
2.4 实验结果及分析
2.5 本章小结
第三章 人类视觉特性的基本理论及注意机制
3.1 计算机视觉基础
3.2 人类视觉系统
3.2.1 人类视觉系统的生理结构
3.2.2 信息处理的主要特点
3.2.3 视觉认识过程
3.3 视觉注意机制
3.3.1 视觉注意机制原理
3.3.2 视觉注意机制在带钢表面缺陷检测系统中的应用
3.4 本章小结
第四章 引入人类视觉注意机制的带钢表面缺陷检测及边缘提取
4.1 基于机器视觉的带钢表面缺陷检测系统结构概述
4.2 目前带钢表面缺陷检测方法存在的问题
4.3 引入视觉注意机制的带钢表面缺陷检测方法
4.3.1 建立人类视觉检测的计算模型
4.3.2 确定缺陷区域
4.4 基于序列滤波器的带钢表面缺陷边缘提取
4.4.1 背景介绍
4.4.2 中值滤波
4.4.3 序列滤波器算法
4.4.4 图像的光照归一化
4.4.5 边缘检测及形态学后处理
4.5 实验结果及分析
4.5.1 实验一:缺陷检测实验
4.5.2 实验二:图像噪声滤除实验
4.5.3 实验三:光照归一化结果
4.5.4 实验四:缺陷边缘检测结果
4.6 本章小结
第五章 基于视觉特征提取的缺陷分类
5.1 特征的提取
5.1.1 灰度共生矩阵(GLCM)
5.1.2 Gabor filter特征提取
5.1.3 GLCM与Gabor filter相融合的多特征提取方法
5.2 特征降维
5.3 基于Adaboost的缺陷分类方法
5.4 实验结果与分析
5.4.1 组合特征降维实验结果与分析
5.4.2 多分类器识别方法实验结果与分析
5.5 本章小结
第六章 结论
参考文献
致谢
攻读博士学位期间发表论文情况
个人简介