一、计算机视觉在微构件三维检测中的应用研究（论文文献综述）
边敏艳[1]（2021）在《基于EPI角度一致性的光场图像特征匹配算法研究》文中研究指明图像特征检测和匹配是许多高层计算机视觉任务的重要基础。真实场景目标普遍存在遮挡、非朗伯表面、复杂纹理等因素,受此影响传统图像特征的检测和匹配仍面临较大挑战。与传统成像系统相比,双平面光场成像系统能够同时记录光线的位置和角度,对场景信息的记录更完备。光场数据的多角度信息为高精度特征检测与匹配提供了比传统图像更具优势的数据基础。光场二维对极平面图像（Epipolar plane image,EPI）是四维光场的二维切片,其优势在于既包含光场降维的位置信息和角度信息,又可采用传统图像处理方法对其进行计算。因此,本文提出一种基于EPI角度一致性的光场图像特征提取和匹配方法,相应的研究工作如下:（1）以传统图像局部不变性特征理论为基础,本文分析了双平面光场在空间-角度采样的局部不变性。针对光场数据的高维特性,本文利用光场在EPI空间的角度一致性,提出了光场角度域特征的相关性。（2）根据EPI角度一致性,本文提出了基于EPI线检测的光场图像特征点检测方法。该方法在光场EPI图像上进行线检测,进而将线检测结果从EPI空间投影至光场子孔径图像空间实现光场图像关键点检测。实验结果表明,本文提出的光场特征检测方法具有较高的重复率。（3）在EPI线检测的光场图像特征点检测方法的基础上,提出基于光场EPI角度一致性的特征检测和匹配算法。该方法在光场角-空域进行SURF特征检测,并采用光场对极平面图像的角度一致性作为约束,对候选的特征匹配进行筛选。实验表明所提的方法能够剔除大量遮挡和非朗伯表面因素引起的错误匹配,有效提升光场图像特征匹配精度。（4）为了验证本文所提的光场特征检测及匹配算法,本文构建了不同的光场图像特征匹配数据集。在不同的数据集中,实验结果证明本文所提方法的有效性和准确性。综上所述,本文提出了一种基于EPI角度一致性的光场图像特征检测和匹配方法,构建了不同场景的光场特征匹配数据集。在不同的数据集中,实验结果证明本文所提的光场图像特征检测及匹配方法的有效性。
朱伟杰[2]（2021）在《深度信息交互机制下的微表情识别研究》文中提出随着社会各方的需求、信息化的推进以及计算机视觉的发展,微表情识别领域得到了越来越多的关注,研究人员对其所进行的研究越来越深入。在商务谈判、刑事审讯、心理治疗等场合中人们会有意无意的隐藏自己的真实情绪以此来达到他们的目的,微表情是人类的肌肉语言,在此类情况下使用微表情识别的结果作为判断依据,可靠性则会大大提升。微表情区别于寻常宏表情的显着特点:（1）持续时间短（1/25-1/5秒）;（2）肌肉运动幅度小。并且由于微表情捕捉困难,采集工作复杂（需要专业的心理学研究人员设置在特定）,导致了现有公开可供研究的数据集稀少,给微表情领域的研究造成了巨大的阻碍,限制了微表情识别技术的发展。针对上述问题,论文基于深度学习方法对微表情识别展开深入研究。主要研究了基于网络之间不同模态、不同域信息交互来提高现阶段微表情识别准确率。通过融合不同信息获得来自空间域和时间域更加丰富的知识来优化参数,网络在有限的数据样本下获得更多知识,同时也缓解了单一标签监督训练所造成的过拟合情况,最终提高网络的预测能力。主要的研究成果为:（1）针对单一网络难以提取丰富的时-空特征,为了丰富网络知识提出基于辅助网络信息交互的微表情识别算法,通过改进的深度互学习策略引导图像序列不同模态之间的交互训练,提高网络的识别率。算法基于灰度图像序列建立主体网络,基于光流建立辅助网络。在训练阶段,通过设计互学习损失中的有监督学习损失和拟态损失,优化训练过程,使得每一种模态都能学习正确地预测训练样本的真实标识,同时能与其它模态的预测相匹配。在测试阶段,由于互学习机制增强了灰度分支的判别能力,因此可对光流分支进行剪裁,在保证准确率的前提下提高识别速度。本实验采用五折交叉验证,最终本方法在SMIC数据库上准确率为75.76%,在CASEM、CASMEⅡ、SMIC合并的数据库上结果为60.52%。（2）针对单一网络难以学习到微表情序列丰富的时间域信息,提出双流网络时间域信息交互的微表情识别方法,构建了双流时间域信息交互卷积神经网络（Dual Scale Temporal Interactive Convolution Neural Network,DSTICNN）,网络对微表情序列进行处理,进而实现微表情自动识别。该算法通过改进深度互学习策略引导网络学习同一图像序列的不同时间域信息,来提高最终的识别率。算法基于不同时间尺度构建DSTICNN32和DSTICNN64,在训练阶段改良了深度互学习的损失函数。同时,在两流网络接近决策层的特征图加上了均方差损失,最终由交叉熵损失、JS散度损失和均方差损失来共同监督训练,使得两流网络互相学习加强,提高各自预测样本的能力。本实验采用留一目标验证法,最终在SMIC数据库取得最好准确率为85.93%,在CASMEⅡ数据库取得最好结果为83.65%。（3）为了丰富网络的时-空特征预测能力,提出了基于金字塔增强时-空信息交互的微表情识别。该算法通过利用特征金字塔的技术分别构建了时间增强信息以及空间信息的网络,以此来获得丰富的时间、空间特征。对2D-Resnet34网络进行时间维度上的膨胀来构建的时间增强型网络中,通过对卷积和池化层的设置,控制网络中不同4个stage的特征图空间维度保持一致,仅改变时间维度的大小,再将其每个阶段最后的特征图像进行时间维度归一化,自顶而下连接形成特征金字塔,最终进行微表情预测。同理,构建空间增强型网络控制网络每个阶段特征图像时间维度不改变时间维度仅变化空间维度。网络对微表情序列训练的过程中,自身能够学习到丰富的时间或者空间信息,对微表情序列做出预测。与此同时,该方法还引入了互学习的策略,在训练过程中对空间增强型网络和时间增强型网络的预测结果之间进行信息交互,使得双流网络不仅因为特征金字塔增强时（空）间信息,而且通过网络交互也增加了对空（时）间知识。本实验采用留一目标验证法,最终在SMIC数据库取得最好准确率为87.14%,在CASMEⅡ数据库取得最好结果为87.31%
郭正华[3]（2020）在《基于微透镜阵列光场成像的深度反演技术研究》文中研究说明微透镜阵列光场成像是一种近年来备受关注的新型单镜头三维成像技术,具有结构简单、一次成像记录光线位置和方向信息、后期数据处理方式多样的特点,可广泛应用于三维重构与测量、三维检测与识别、虚拟与增强现实等领域,具有重要的科学意义和应用价值。微透镜阵列光场成像的应用性能很大程度上取决于其深度信息的精确反演,因此如何从原始图像反演深度信息是该领域的研究重点。尽管近年来基于微透镜阵列光场成像的深度反演技术发展迅速,但亚像素匹配、遮挡等诸多问题亟待解决。本文重点围绕微透镜阵列光场相机的深度反演中的遮挡处理问题,从成像模型、深度反演算法等方面开展了理论与实验研究。论文首先开展了光场深度反演理论研究,从成像光束波前的角度探究了微透镜阵列光场成像过程,揭示了微透镜阵列光场相机深度估计能力源于对扩展目标球面波的光学调制与数字解调的内在规律,明晰了该规律与视差理论和极图原理的数理联系。基于上述研究,建立了微透镜阵列光场成像过程中深度信息与波前曲率的映射模型,提出了基于角度域图像匹配的波前曲率测量方法,最终实现了基于微透镜阵列光场图像的高精度亚像素深度估计。针对遮挡存在时被遮挡物的角度域像素一致性假设被打破的问题,通过对遮挡情况进行波前成像分析,明确了遮挡物在真值深度处将在角度域图像中形成与其边缘形状相似的图像边界的规律。论文提出了基于多方向部分角度域图像相关的深度反演方法,并进行了相关实验研究。在开放数据集开展了量化评价实验,其视差图均方误差较国际前沿算法降低了约3个像素平方,偏差超过0.07像素的像素数比例降低了10%,并通过自主实验平台进一步验证了整体准确度、细节精细度和泛化能力,结果表明该方法在保持非遮挡区域深度反演精度的同时提高了遮挡区域深度反演的精度。为提升上述算法对复杂形状遮挡的处理能力,论文提出了一种基于角度域图像子区域自适应融合的深度反演算法,该方法基于高斯权重自适应组合多个子区域的角度域相关系数,隐性利用遮挡物的区域性先验,具备拟合复杂形状角度域边缘的能力,并将光场像素利用率从4 M（M为光场角度采样数）提升至100%。在公开数据集开展了量化评价实验,其视差图均方误差较国际前沿算法降低了约4个像素平方,偏差超过0.07像素的像素数比例降低了11%。理论分析与实验结果表明该方法具有比前一算法更优的遮挡处理和细节保留能力。最后,开展了基于微透镜阵列光场成像的深度反演实验研究,结合基于光线场传输模型的相机几何参数标定方法,最终实现了物方绝对尺寸深度反演,并定量验证了上述算法相比于同类前沿算法更高的反演精度以及对不同遮挡更强的处理能力。通过本文的研究,建立了以微透镜阵列光场相机波前成像原理为核心的深度估计理论和框架,实现了从微透镜阵列光场相机原始图像到视差图和三维物理深度的反演过程,重点研究了遮挡区域的高精度深度反演问题,提高了深度反演的整体准确度和细节特性,对提升微透镜阵列光场成像在高层视觉任务的应用性能具有积极作用。
王思琪,魏绍鹏,丁涛,贺秋冬[4]（2019）在《基于显微机器视觉的MEMS微构件表面缺陷检测系统研究》文中研究表明针对MEMS微构件表面缺陷的问题,分析了其表面缺陷的基本特征、种类和检测方法,提出了利用显微机器视觉技术来检测MEMS微构件表面缺陷,并对显微机器视觉检测关键技术进行了探析,对开展显微机器视觉的MEMS微构件表面缺陷检测的研究具有一定的参考价值。
石子开[5]（2019）在《导光板微结构冲点机床在位图像测量系统关键技术的研究》文中提出近年来,液晶显示技术的飞速发展带动了下游产业背光模组的发展,而作为背光模组关键元件的导光板,其制作工艺水平决定了液晶显示的品质。本课题组为了提高导光板微结构点阵的加工工艺水平研制了微结构冲点机床,该机床需要有测量装置的辅助才能加工出给定尺寸的微结构点阵列。为了解决传统测量仪器与机床工作台不在同一物理平台,测量需反复装卸工件导致加工精度低的难题,本文基于机器视觉技术提出在微结构冲点机床上集成在位测量系统的方案,该方案从硬件和软件算法两个方面进行研究,以下为本文的主要研究内容:本文首先针对导光板微结构冲点机床的结构特点对在位测量系统进行了总体设计,并从软硬件的选择,系统检测算法等方面进行了分析。针对视觉测量的特点,本文研究了微结构图像的预处理算法,包括图像的滤波、二值化、数学形态学处理。其中通过直方图研究了微结构图像的噪声分布,对比选用了对边缘细节保护较好的双边滤波算法;改进了针对微结构图像阈值选取的Otsu算法,缩小了阈值搜索的范围,提高搜索速度;运用数学形态学技术去除干扰目标检测的细痕、斑点等因素。预处理为后续的边缘检测带来便利。针对预处理后的微结构图像,本文从定位精度和运行速度两方面对比分析了经典像素级的边缘检测算子,提出基于Roberts-Zernike矩的亚像素检测算法,与传统的Zernike相比,在保证精度的前提下,大幅提高了检测的速度。针对亚毫米视野测量系统视野小,传统的摄像机标定技术不适用的情况,本文结合视觉测量的特点,提出基于棋盘格标定板的两步标定法,将镜头畸变系数和CCD像素当量分开标定。推导镜头的畸变系数,只需拍摄一张棋盘格图像即可实现畸变系数的求解,操作简单,标定结果精度较高,具有参考意义。最后通过微结构点阵列的加工实验分析了检测系统的稳定性,通过与白光干涉仪的测量结果作对比,得出本文系统最大误差不超过1.4μm的结论。从稳定性和精度两方面验证了本系统作为导光板微结构冲点机床辅助加工手段的可靠性。
葛动元[6]（2013）在《面向精密制造与检测的机器视觉及智能算法研究》文中指出机器视觉以其检测精度高、快速、高效与非接触等的特点，在精密制造与检测领域发挥着重要作用，是提升装备制造业水平的重要途径。基于机器视觉的实时检测系统为智能制造提供了技术上的支持，以及物质上的准备。根据我国装备制造业的内在需求，以及目前具备的研究基础、条件和优势，阐述了机器视觉与计算智能的研究背景与意义。论文从机器视觉的标定、微钻头的刃面检测、机器人手眼系统标定几个方面进行研究，为精密制造与检测水平的提高提供了理论与技术上的支撑，本文主要研究内容如下：1．对机器视觉系统的物理模型进行了分析与研究，采用嵌入旋转矩阵的神经网络以及遗传算法对非线性模型的摄像机进行标定；当神经网络达到全局最优平衡位置时，使网络的前向计算与摄像机的物理模型相对应，即可根据神经网络的权值直接得到摄像机的内、外参数。2．采用基于侧向抑制的正交学习的神经网络算法，以抽取自相关矩阵的最小特征值所对应的特征向量的方法，来获得机器视觉系统的空间3D信息与图像2D信息之间的变换关系，完成双目视觉系统的标定，以及与之相关的三维重建。3．构建一个用于微钻头检测的神经网络，使其达到全局最优平衡位置的时候与需要拟合的微钻头棱边投影的椭圆方程或者主切削刃的直线方程等相一致。对神经网络的每一次训练所得到的权值进行归一化处理，得到单位权值矢量，该操作相当于遗传算法中变异操作。并引入改进的粒子群算法，以获得全局最优解。4．通过引入进化速度因子与聚集度因子两个指标，对粒子群优化算法的粒子个体的运动轨迹从纵向以及横向进行分析，根据粒子群优化算法中的惯性因子的特性，以及专家经验与推理，得到系统的惯性权重因子变化量的动态调整的模糊控制规则表；并采用模糊逻辑对其进行自适应地调整，使得优化算法更准确与更快速地找到全局最优解。在粒子群算法的每一次迭代完成之后，同样对粒子个体的位置进行归一化处理，获得权值的单位矢量。最后得到微钻头特征曲线的拟合方程。5．在对机器人的手眼系统进行标定时，采用混合神经网络与交叉变异粒子群优化算法，使得所设计的神经网络包括手眼系统旋转部分的信息，当求解系统达到全局最优平衡位置时，由神经网络的权值获得机械臂末端执行器相对于安装于机器人机械臂的摄像机之间的位姿关系。精度分析显示，所提出的方法能够确保手眼关系中的旋转矩阵各矢量之间的正交关系。在上述关键技术研究的基础上，完成了基于计算智能的机器视觉系统的标定，研发了PCB板微钻头的自动化检测系统，实现对机器人的手眼系统的定标，得到摄像机与机器人末端执行器之间的变换关系，最后通过标定、测试等实验，验证上述研究结果的正确性和可行性。这些研究有利于提高精密制造与检测技术的水平，也为推进我国机器视觉研究的发展及其应用提供一个新的维度。
万鹏[7]（2012）在《基于机器视觉的三角螺纹三维检测方法及实验研究》文中研究表明现代工业对螺纹检测提出了越来越高的要求，传统的外螺纹检测方法工作效率低，难以满足现代化生产的检测需求，而机器视觉检测具有检测速度快、精度高、非接触式、自动化程度高等优点。目前利用机器视觉技术对螺纹进行检测均是一种基于平面轮廓或区域的检测，没有反映螺纹的三维立体信息，本课题提出了基于机器视觉的三角形外螺纹三维检测方法，以满足精度要求较高的螺纹检测需求。本课题研究了三角形外螺纹的三维模型重构方法，根据三角形外螺纹的轮廓特征，设计了合理的实验方法和三维重构算法，使用Visual C++语言进行编程实现。首先通过CCD摄像机采集外螺纹图像；然后对外螺纹图像进行预处理，包括图像增强处理、螺纹边缘检测和提取螺纹边缘特征点等；最后利用提取的螺纹特征点重构外螺纹的三维模型。实验生成的外螺纹件模型达到了较好的效果，能较真实地反映螺纹件的表面轮廓形状，为外螺纹件的三维重构提出了一种可行的方法。本课题研究了三角形外螺纹的三维检测算法，使用MATLAB语言进行编程实现。首先提出了重构的三维螺纹模型与标准螺纹模型匹配的算法；然后定义相似度评价函数以定量评估重构的三维螺纹模型和标准螺纹模型之间的相似度；最后通过改变标准螺纹的某一参数，对匹配相似度算法进行合理性分析。以汽车轮毂螺栓和六角头螺栓进行了实验，定量描述的相似度具有较强的合理性。
邵泉钢[8]（2011）在《弱透光环境下微构件机器视觉检测关键技术研究》文中提出为实现微操纵装配过程中微构件的静动态状况的高精度实时监测,推动非接触式微机器视觉检测技术的发展,本文结合国家高科技研究发展计划资助项目《基于超声辐射力的微纳构件三维遥操纵关键技术研究》,以机器视觉、数字图像处理和小波变换等为理论和技术基础,针对微操纵过程中弱透光环境下微构件静动态相关参数的检测,在开展微视觉图像处理技术和微视觉检测系统标定技术研究的基础上,采用基于小波变换的亚像素边缘检测方法和最小外接矩形测量方法,实现了二维图像中微构件的形状尺寸、方位角度及质心位置的精确测量,并结合相位相关技术和光流估计技术,发展了一种多尺度微位移的显微视觉高精度检测技术。同时,还开发了一套双通道微视觉检测系统,以满足微操纵装配应用的需求。具体内容包括：第一章,综合论述了开展微机器视觉检测技术研究的重要意义,对微机器视觉检测技术的研究现状及其发展趋势进行了系统总结,并在讨论分析现有微机器视觉检测关键技术优缺点的基础上,提出了本论文的研究内容及章节安排。第二章,在分析弱透光环境下微视觉图像特性的基础上,提出了具有全局和局部特性的SCLAHE图像增强方法和基于多分辨率阈值的非均匀光照微视觉图像实时分割方法,并与传统图像处理方法进行了实验比较,得出了本章所提方法具有更高的精确性和鲁棒性。第三章,对微机器视觉系统成像原理和畸变特性展开了研究,根据所建的微机器视觉标定模型,提出了基于多项式畸变补偿的DLT微机器视觉系统标定方法,并通过实验验证了本章标定技术的可行性和有效性。第四章,发展了一种基于小波变换亚像素边缘检测的微构件二维尺寸测量方法和基于任意方位最小外接矩形的微构件角度及质心测量方法,并有机结合相位相关技术和光流估计技术,提出了一种多尺度微位移的显微视觉高精度检测技术。最后开展了计算机仿真和实验研究,证实了本章所提方法能有效协调测量范围和精度之间的矛盾。第五章,根据前三章提出的微机器视觉检测理论和技术,构建了一套面向超声辐射力微粒子操纵应用的双通道微视觉检测系统,并对检测系统的总体方案及其系统软硬件关键技术进行了设计和开发,通过实验研究证实了所研发技术、系统的可行性和有效性。最后为论文的结论和展望,对全文的研究内容作了概括总结,并对进一步的研究进行了展望。
李晓轲[9]（2009）在《高温环境下MEMS微构件动态特性测试技术研究》文中提出随着MEMS的迅速发展,其对测试系统,尤其是对动态特性测试系统的需求越来越迫切。高温MEMS器件的应用越来越广泛,如应用于石油化工、冶金等高温恶劣工况条件下物理量测试的MEMS传感器。而MEMS器件在不同的温度环境下的性能和响应特性是不同的,故研究MEMS器件在不同温度下的响应和性能变化规律,可以拓宽其应用领域,优化设计,提高其可靠性。目前,在MEMS动态测试中常使用基于压电陶瓷的激励方式,而压电陶瓷较低的工作温度使其在高温环境下动态测试中应用存在较大的困难,高温环境下的激励技术还待进一步研究。本文采用放电底座激励方法,研究了高温环境下微构件动态测试技术,研制了高温环境下MEMS微构件动态特性测试系统。采用放电底座激励方法实现了高温环境下对微构件的激励,分析了其激励原理,设计了放电激励装置,其利用针-板电极间尖端放电产生的激波激励微构件,并能通过以直进式千分尺为核心的进给机构调节电极间距,对微构件在不同激励能量下实施有效激励。激励装置的底座是由微构件安装板、十字载台、陶瓷绝缘片和板电极构成的多层结构,各层之间通过高温胶粘结。微构件通过硬性粘接方式安装在底座上,其振动响应信号由激光多普勒测振仪进行非接触式测量,计算机对测量数据进行频谱分析后得到微构件谐振频率。选用了体积小、能量密度高的加热元件对微构件加热,开发了以温控器、可控硅等控制元件为核心的温度控制系统,实现了微构件温度自动控制。采用模块化编程思想,编写了基于LabVIEW的温度控制软件,方便、直观地控制微构件温度并监测激励装置温度。利用所建立的测试系统,在室温-500℃温度范围内,测试了典型微构件的谐振频率,验证了放电激励方法的可行性,并得到了微构件谐振频率随温度变化曲线。
张秀芝[10]（2009）在《基于计算机视觉的机械零件几何量精密测量技术研究》文中认为本文针对零件微小结构和复杂轮廓检测困难的现状,结合吉林大学创新基金项目（419070200001）《基于CCD图像的微小零件精密测量系统的研究》和宁波市工业科技攻关项目（2005B100014）《基于机器视觉的微小尺寸测量系统的研究》,从提高机械零件几何量测量精度和效率两方面考虑,深入研究了计算机视觉检测理论和关键技术。本文阐述了视觉检测系统的构成,分析了照明系统中光源的选取和照明方式的选择,研究了摄像机、光学镜头等硬件的特性和选用原则。在深入研究最小二乘支持向量回归机原理和小波理论的基础上,提出基于最小二乘小波支持向量回归机（LS-WSVR）的图像曲线边缘的亚像素检测方法,在零件的一般曲线、圆弧和完整圆结构的检测中取得理想效果。将研究结果应用在零件微小结构和复杂轮廓的检测中,构造了金属夏比冲击试验V型缺口试验件的精密视觉检测系统,对V型缺口部位几何量进行精密检测,构造了平面盘形凸轮的几何量精密视觉检测系统,实验证实了所提出的方法精度高,重复性好。本文解决了夏比缺口试验件定量检测问题和平面盘形凸轮轮廓检测困难的局面,提供了一种微小结构和复杂结构的非接触精密检测方法,对计算机视觉在工业产品检测中的应用将起到推动作用。
二、计算机视觉在微构件三维检测中的应用研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、计算机视觉在微构件三维检测中的应用研究（论文提纲范文）
（1）基于EPI角度一致性的光场图像特征匹配算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 光场成像技术研究现状 |
| 1.2.2 图像特征检测技的研究现状 |
| 1.3 论文的研究内容及章节安排 |
| 2 光场及图像特征相关理论与方法 |
| 2.1 光场成像 |
| 2.1.1 光场成像原理 |
| 2.1.2 光场可视化方法 |
| 2.1.3 光场重聚焦 |
| 2.2 传统图像特征检测检测算法 |
| 2.3 特征检测和匹配评价指标 |
| 2.3.1 单应性矩阵 |
| 2.3.2 重复率 |
| 2.3.3 精确率和召回率 |
| 3 基于EPI线检测的光场图像关键点检测方法 |
| 3.1 引言 |
| 3.2 基于EPI线检测的光场图像关键点检测 |
| 3.2.1 光场EPI提取 |
| 3.2.2 光场EPI线检测 |
| 3.2.3 基于EPI线检测的光场关键点投影 |
| 3.3 基于EPI线检测的光场图像关键点检测仿真实验 |
| 3.3.1 光场特征检测数据集 |
| 3.3.2 实验中的对比算法和参数设置 |
| 3.3.3 实验结果及分析 |
| 3.4 本章小结 |
| 4 基于EPI角度一致性的光场特征匹配方法 |
| 4.1 引言 |
| 4.2 基于EPI角度一致性的光场特征点检测 |
| 4.2.1 光场EPI角度一致性理论 |
| 4.2.2 光场空间-角度域的候选特征点检测 |
| 4.2.3 基于EPI角度一致性的不稳定候选特征点剔除 |
| 4.3 基于EPI角度一致性的光场特征点描述与匹配 |
| 4.3.1 光场空间-角度域特征描述符 |
| 4.3.2 距离相似性度量的光场图像特征匹配 |
| 4.4 基于EPI角度一致性的光场特征点检测及匹配仿真实验 |
| 4.5 本章小结 |
| 5 总结和展望 |
| 5.1 本文工作总结 |
| 5.2 研究展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间主要研究成果 |
（2）深度信息交互机制下的微表情识别研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 微表情识别技术现状 |
| 1.2.1 微表情识别心理学及应用研究 |
| 1.2.2 微表情识别传统算法研究现状 |
| 1.2.3 深度学习微表情识别研究现状 |
| 1.3 微表情识别面临的挑战 |
| 1.4 论文的研究内容及安排 |
| 第二章 微表情识别相关工作 |
| 2.1 微表情自动识别基本流程 |
| 2.1.1 图像序列预处理 |
| 2.1.2 特征提取方法 |
| 2.2 微表情识别常用网络 |
| 2.2.1 常用主干网络 |
| 2.2.2 深度互学习 |
| 2.3 公开常用数据集 |
| 2.3.1 SMIC数据库介绍 |
| 2.3.2 CASME数据库 |
| 2.3.3 CASMEⅡ数据库 |
| 2.4 数据预处理 |
| 2.4.1 图像序列空间预处理 |
| 2.4.2 时间插值模型 |
| 2.4.3 光流法 |
| 2.4.4 评价标准 |
| 2.5 本章小结 |
| 第三章 基于辅助网络信息交互的微表情识别 |
| 3.1 引言 |
| 3.2 辅助信息交互网络 |
| 3.2.1 网络结构 |
| 3.2.2 损失函数 |
| 3.2.3 网络训练与测试 |
| 3.3 实验及分析 |
| 3.3.1 预处理 |
| 3.3.2 实验环境设置 |
| 3.3.3 实验结果及分析 |
| 3.3.4 α值设定 |
| 3.4 本章小结 |
| 第四章 双流时间域信息交互的微表情识别 |
| 4.1 引言 |
| 4.2 双流时间域信息的微表情识别 |
| 4.2.1 网络结构 |
| 4.2.2 损失函数 |
| 4.2.3 训练与测试 |
| 4.3 实验结果及分析 |
| 4.3.1 预处理 |
| 4.3.2 实验环境设置 |
| 4.3.3 实验结果及分析 |
| 4.4 本章小结 |
| 第五章 增强时空特征信息交互的微表情识别 |
| 5.1 引言 |
| 5.2 增强时空特征信息交互的微表情识别 |
| 5.2.1 特征金字塔 |
| 5.2.2 网络结构 |
| 5.2.3 损失函数 |
| 5.2.4 训练与测试 |
| 5.3 实验结果及分析 |
| 5.3.1 实验环境设置 |
| 5.3.2 结果与分析 |
| 5.4 本章小结 |
| 第六章 主要结论与展望 |
| 6.1 主要结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录:作者在攻读硕士学位期间发表的论文 |
（3）基于微透镜阵列光场成像的深度反演技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 光场成像理论与设备 |
| 1.3 光场成像深度反演 |
| 1.4 光场深度提取所面临的问题 |
| 1.5 论文研究内容及结构 |
| 第2章 微透镜阵列光场成像模型和深度反演原理 |
| 2.1 光场成像过程的光场传输 |
| 2.2 微透镜阵列光场成像模型与理论分析 |
| 2.3 光场深度反演的计算机视觉分析 |
| 2.3.1 光场深度反演的子孔径图视差理论 |
| 2.3.2 光场深度反演的极平面图理论 |
| 2.4 微透镜阵列光场相机的波前成像分析 |
| 2.5 小结 |
| 第3章 基于多方向部分角度域图像相关的深度反演方法 |
| 3.1 光场成像的遮挡分析 |
| 3.1.1 遮挡对光场角度域图像的影响 |
| 3.1.2 多方向部分角度域像素相关性 |
| 3.2 算法设计 |
| 3.2.1 初始深度估计 |
| 3.2.2 基于导引滤波的快速深度图优化 |
| 3.3 实验 |
| 3.3.1 视差估计 |
| 3.3.2 深度反演 |
| 3.4 分析与小结 |
| 第4章 基于子区域自适应融合的深度反演方法 |
| 4.1 核心思想与分析 |
| 4.1.1 基于区域的自适应角度域图像相关 |
| 4.1.2 自适应组合方式 |
| 4.2 算法设计 |
| 4.3 实验 |
| 4.3.1 初始深度估计结果 |
| 4.3.2 数据集实验和真实场景实验 |
| 4.4 分析与小结 |
| 第5章 深度反演实验研究 |
| 5.1 实验设置 |
| 5.2 深度反演准确性评估实验 |
| 5.3 不同遮挡处理评估实验 |
| 5.4 分析与小结 |
| 第6章 总结与展望 |
| 6.1 本文的主要研究内容 |
| 6.2 本文的主要创新点 |
| 6.3 后续工作的展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（4）基于显微机器视觉的MEMS微构件表面缺陷检测系统研究（论文提纲范文）
| 1 目前微构件表面缺陷的基本特征 |
| 2 目前微构件表面的几种主要缺陷 |
| 2.1 砂眼 |
| 2.2 麻坑 |
| 2.3 裂纹 |
| 3 目前微构件表面缺陷的几种主要检测手段 |
| 4 显微机器视觉检测方法 |
| 5 结论 |
（5）导光板微结构冲点机床在位图像测量系统关键技术的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题来源及意义 |
| 1.1.1 课题来源 |
| 1.1.2 课题研究背景及意义 |
| 1.2 基于视觉的图像测量理论 |
| 1.2.1 机器视觉理论 |
| 1.2.2 视觉测量技术 |
| 1.3 计算机视觉测量技术的发展及关键技术 |
| 1.3.1 视觉测量技术的研究现状及发展趋势 |
| 1.3.2 亚毫米视野测量系统的组成及关键技术 |
| 1.4 本文主要研究内容 |
| 1.4.1 主要研究内容及章节安排 |
| 第二章 亚毫米视野图像测量系统的总体设计 |
| 2.1 微结构冲点机床的硬件结构及功能需求 |
| 2.2 物体成像及光源的影响 |
| 2.2.1 图像的数据结构 |
| 2.2.2 光照对成像质量的影响 |
| 2.3 视觉测量系统的硬件模块 |
| 2.3.1 视觉测量系统的设计 |
| 2.3.2 相关硬件的选用 |
| 2.4 视觉系统的算法与软件模块 |
| 2.4.1 图像处理算法 |
| 2.4.2 系统软件模块 |
| 2.5 本章小结 |
| 第三章 图像预处理算法研究 |
| 3.1 图像去噪 |
| 3.1.1 噪声与信号的关系 |
| 3.1.2 常见去噪算法的对比和选用 |
| 3.1.3 视觉测量场合的去噪算法 |
| 3.1.4 噪声分布估计 |
| 3.1.5 滤波实验分析 |
| 3.2 图像的二值化 |
| 3.2.1 影响阈值选取的因素 |
| 3.2.2 常用阈值选取的方法 |
| 3.2.3 各算法实验分析与Otsu算法改进 |
| 3.3 图像数学形态学处理 |
| 3.3.1 结构元 |
| 3.3.2 腐蚀和膨胀 |
| 3.3.3 微结构图像的形态学处理 |
| 3.5 本章小结 |
| 第四章 边缘检测算法研究 |
| 4.1 边缘的类型 |
| 4.2 经典像素级边缘检测 |
| 4.2.1 梯度算子 |
| 4.2.2 LOG(Laplacian-Guass)算子 |
| 4.2.3 Canny算子 |
| 4.2.4 微结构图像像素级边缘检测实验 |
| 4.3 亚像素边缘检测技术 |
| 4.3.1 常见的亚像素定位算法 |
| 4.3.2 基于Roberts-Zernike矩的亚像素检测 |
| 4.4 基于Roberts-Zernike矩的亚像素检测实验研究 |
| 4.5 本章小结 |
| 第五章 亚毫米视野测量系统标定技术的研究 |
| 5.1 二维成像模型 |
| 5.1.1 摄像机针孔成像模型 |
| 5.1.2 镜头畸变及其数学模型 |
| 5.2 亚毫米视野测量系统标定技术 |
| 5.2.1 亚毫米视野测量系统的特点 |
| 5.2.2 亚毫米视野测量系统标定的两步标定法 |
| 5.3 基于棋盘格的镜头畸变校正和像素当量的求解 |
| 5.3.1 畸变系数公式推导 |
| 5.3.2 棋盘格角点理想和实际像素坐标提取 |
| 5.3.3 测量系统的标定及结果分析 |
| 5.4 本章小结 |
| 第六章 微结构点阵列加工实验及分析 |
| 6.1 加工前准备工作 |
| 6.1.1 加工工艺流程 |
| 6.2 微结构测量实验分析 |
| 6.2.1 检测系统稳定性测试 |
| 6.2.2 检测系统测量精度分析 |
| 6.3 检测误差来源分析 |
| 6.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读学位期间所取得的研究成果 |
| 致谢 |
（6）面向精密制造与检测的机器视觉及智能算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题的研究背景 |
| 1.2 机器视觉的研究内容、研究动态与困难 |
| 1.3 计算智能在机器视觉中的应用 |
| 1.4 机器视觉系统的应用 |
| 1.5 机器人视觉系统的研究与应用现状 |
| 1.6 本文研究内容 |
| 1.7 本研究的目的、意义与课题来源 |
| 第二章 机器视觉的算法基础与模式识别 |
| 2.1 透视投影变换 |
| 2.2 线性模型摄像机标定的常规方法 |
| 2.2.1 单目二维视觉测量的摄像机标定 |
| 2.2.2 Faugeras 线性模型摄像机标定 |
| 2.3 非线性摄像机模型 |
| 2.4 立体视觉系统与基本矩阵 |
| 2.4.1 双目立体视觉系统模型 |
| 2.4.2 反对称矩阵与基本矩阵 |
| 2.4.3 双目视觉系统的极线及约束 |
| 2.5 模式识别与计算智能 |
| 2.6 本章小结 |
| 第三章 计算智能在机器视觉系统标定中的应用 |
| 3.1 摄像机标定的作用 |
| 3.2 BP 神经网络与改进的遗传算法在摄像机标定中的应用 |
| 3.2.1 摄像机的透视模型 |
| 3.2.2 基于 BP 神经网络与遗传算法的摄像机定标 |
| 3.2.3 自适应遗传算法 |
| 3.2.4 交叉概率与变异概率的自适应调整 |
| 3.2.5 标定流程 |
| 3.2.6 标定实验 |
| 3.2.7 标定精度分析 |
| 3.3 嵌入正交权值神经网络在非线性模型摄像机标定中的应用 |
| 3.3.1 摄像机的非线性模型 |
| 3.3.2 基于旋转矩阵的神经网络与自适应遗传算法的摄像机标定 |
| 3.3.3 鲁棒性演示实验 |
| 3.3.4 真实图像实验 |
| 3.3.5 基于图像残差的精度分析 |
| 3.3.6 内外参数标定精度的分析 |
| 3.4 正交学习神经网络在双目视觉系统中的应用 |
| 3.4.1 摄像机模型与双目视觉系统 |
| 3.4.2 次成分分析与求解算法 |
| 3.4.3 双目视觉系统的求解算法 |
| 3.4.4 自适应正交学习神经网络的设计 |
| 3.4.5 双目视觉系统标定实验 |
| 3.4.6 基于自适应正交学习网络的 3D 重建 |
| 3.5 本章小结 |
| 第四章 机器视觉在微钻头刃面检测中的应用 |
| 4.1 基于机器视觉的 PCB 微钻头自动化检测系统 |
| 4.1.1 系统组成 |
| 4.1.2 光学成像系统与系统标定 |
| 4.2 微钻头刃面的尺寸测量和缺陷检测算法 |
| 4.2.1 钻头的结构要素与几何参数 |
| 4.2.2 微钻头刃面的尺寸测量 |
| 4.2.3 微钻头刃面缺陷检测 |
| 4.3 混合 BP 神经网络与遗传退火在微钻头特征曲线拟合中的应用 |
| 4.3.1 BP 神经网络的设计 |
| 4.3.2 遗传退火算法 |
| 4.3.3 微钻头特征曲线的拟合实验 |
| 4.3.4 微钻头结构参数与刃面缺陷的检测 |
| 4.4 混合变异神经网络与粒子群优化模糊算法在微钻头检测中的应用 |
| 4.4.1 微钻头的特征曲线的拟合方程 |
| 4.4.2 基于计算智能的微钻头棱边投影的拟合 |
| 4.4.3 微钻头特征曲线的拟合与刃面检测实验 |
| 4.5 本章小结 |
| 第五章 机器人手眼系统的标定 |
| 5.1 机器人机构学的数学基础 |
| 5.1.1 刚体位姿描述与齐次变换 |
| 5.1.2 连杆变换和运动学方程 |
| 5.1.3 连杆参数和连杆坐标系 |
| 5.2 机器人的机器视觉系统的手眼定标 |
| 5.2.1 机器人的机器视觉系统 |
| 5.2.2 手眼关系与基本方程 |
| 5.2.3 旋转矩阵与标定算法 |
| 5.2.4 手眼系统的标定实验 |
| 5.3 基于混合旋转矩阵神经网络与变异粒子群优化的手眼系统标定 |
| 5.3.1 基于混合神经网络与粒子群优化的求解算法 |
| 5.3.2 整合粒子群优化算法 |
| 5.3.3 求解程序流程 |
| 5.3.4 机器人手眼系统标定实验与精度分析 |
| 5.4 章节小结 |
| 结论与展望 |
| 参考文献 |
| 附录 |
| A.1 PUMA560 机器人运动学方程 |
| A.2 机器人的雅可比矩阵及构造法 |
| A.3 PUMA560 的雅克比矩阵 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（7）基于机器视觉的三角螺纹三维检测方法及实验研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 螺纹的概述 |
| 1.1.1 螺纹的形成 |
| 1.1.2 螺纹的分类 |
| 1.1.3 螺纹参数 |
| 1.1.4 螺纹标准 |
| 1.2 课题的研究背景 |
| 1.2.1 螺纹检测的基本方法 |
| 1.2.1.1 接触式测量方法 |
| 1.2.1.2 非接触式测量方法 |
| 1.2.2 基于机器视觉的外螺纹检测研究现状 |
| 1.2.3 三维检测技术的相关研究 |
| 1.3 课题的研究内容 |
| 1.4 课题的研究意义 |
| 第二章 外螺纹图像采集系统 |
| 2.1 图像采集系统的总体构成 |
| 2.2 光源的选择 |
| 2.2.1 光源的作用 |
| 2.2.2 常见的视觉光源 |
| 2.3 照明方式的选择 |
| 2.4 摄像机的选择 |
| 2.4.1 摄像机的分类 |
| 2.4.2 CCD 摄像机的结构及工作原理 |
| 2.5 镜头的选择 |
| 2.5.1 镜头的成像原理 |
| 2.5.2 镜头的主要参数及相关特性 |
| 2.6 CCD 摄像机标定 |
| 2.7 图像的采集步骤 |
| 2.8 本章小结 |
| 第三章 外螺纹三维模型的重构 |
| 3.1 图像处理 |
| 3.1.1 图像增强 |
| 3.1.2 螺纹边缘检测 |
| 3.1.2.1 常用的边缘检测算子 |
| 3.1.2.2 边缘检测算法比较 |
| 3.1.3 提取边缘特征点 |
| 3.2 外螺纹三维模型重构 |
| 3.2.1 特征点归类 |
| 3.2.2 校正坐标轴中心 |
| 3.2.3 三维坐标点转换 |
| 3.2.4 三维坐标点插值 |
| 3.2.5 生成坐标点及序号 |
| 3.3 本章小结 |
| 第四章 外螺纹三维检测算法的研究 |
| 4.1 立体匹配基本理论 |
| 4.1.1 立体匹配关键技术 |
| 4.1.2 立体匹配算法分类 |
| 4.2 重构的三维螺纹模型与标准螺纹模型匹配 |
| 4.2.1 采样特征点预处理 |
| 4.2.2 采样大径点和标准大径螺纹线匹配 |
| 4.2.3 采样小径点和标准小径螺纹线匹配 |
| 4.3 螺纹模型匹配相似度评价 |
| 4.4 螺纹模型匹配相似度评价算法合理性分析 |
| 4.5 本章小结 |
| 第五章 实验平台及实验结果分析 |
| 5.1 实验平台介绍 |
| 5.2 系统框架 |
| 5.3 实验结果及分析 |
| 5.3.1 外螺纹三维模型重构 |
| 5.3.2 螺纹模型匹配相似度 |
| 5.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（8）弱透光环境下微构件机器视觉检测关键技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 目录 |
| 第一章 绪论 |
| 1.1 本文的研究意义 |
| 1.2 微机器视觉检测相关技术的研究现状及其发展趋势 |
| 1.2.1 微机器视觉系统的研发受到普遍重视 |
| 1.2.2 数字图像处理技术在微机器视觉中得到广泛应用 |
| 1.2.3 微视觉检测技术的研究逐步兴起、应用日益深入 |
| 1.3 研究内容与章节安排 |
| 第二章 弱透光环境下微视觉图像处理技术研究 |
| 2.1 引言 |
| 2.2 弱透光环境下微视觉图像特性 |
| 2.2.1 弱透光环境下微机器视觉成像过程 |
| 2.2.2 微视觉图像的噪声构成和特性分析 |
| 2.3 微视觉图像增强技术 |
| 2.3.1 SCLAHE图像增强技术 |
| 2.3.2 各种增强技术性能仿真比较 |
| 2.4 基于多分辨率阈值的非均匀光照微视觉图像实时分割技术 |
| 2.4.1 非均匀光照补偿方法 |
| 2.4.2 基于多分辨率阈值的实时分割方法 |
| 2.5 实验研究和结果分析 |
| 2.6 本章小结 |
| 第三章 微机器视觉系统标定技术的研究 |
| 3.1 引言 |
| 3.2 微机器视觉和宏观机器视觉的差异 |
| 3.3 微机器视觉系统成像模型 |
| 3.3.1 微机器视觉系统成像和光学原理 |
| 3.3.2 微机器视觉系统的畸变特性研究 |
| 3.4 基于多项式畸变补偿的DLT微机器视觉标定方法 |
| 3.4.1 直接线性变换法求解单应性矩阵 |
| 3.4.2 多项式拟合系统畸变 |
| 3.5 实验研究和结果分析 |
| 3.6 本章小结 |
| 第四章 微构件静动态状况机器视觉检测技术的研究 |
| 4.1 引言 |
| 4.2 微构件二维尺寸检测技术 |
| 4.2.1 微构件的边缘轮廓提取 |
| 4.2.2 微构件的角度和质心测量 |
| 4.3 微构件机器视觉位移检测研究 |
| 4.3.1 传统微位移检测技术及其局限性 |
| 4.3.2 多尺度微位移的微机器视觉检测技术 |
| 4.5 仿真和实验研究 |
| 4.5.1 模拟散斑图的仿真位移测量 |
| 4.5.2 实验研究和结果分析 |
| 4.6 本章小结 |
| 第五章 双通道微视觉检测系统实现及实验研究 |
| 5.1 引言 |
| 5.2 双通道微视觉检测功能及其总体方案 |
| 5.3 双通道微视觉检测系统开发 |
| 5.3.1 双通道微视觉检测系统硬件关键技术研究 |
| 5.3.2 双通道微视觉检测系统软件关键技术研究 |
| 5.4 本章小结 |
| 第六章 结论和展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 作者简历及在学期间所取得的科研成果 |
| 作者简介 |
| 参与的课题研究 |
| 完成的科研学术论文 |
（9）高温环境下MEMS微构件动态特性测试技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景 |
| 1.2 MEMS动态测试技术 |
| 1.2.1 频闪显微干涉系统 |
| 1.2.2 计算机微视觉系统 |
| 1.2.3 激光多普勒测试系统 |
| 1.3 MEMS动态特性测试的激励技术和方法 |
| 1.4 高温环境下MEMS微构件动态特性测试系统研究现状 |
| 1.5 本文主要研究内容 |
| 2 测试系统设计 |
| 2.1 测试装置的技术方案 |
| 2.1.1 高温环境的产生 |
| 2.1.2 激励方式的选择 |
| 2.1.3 微构件温度控制 |
| 2.1.4 微构件振动信号检测 |
| 2.2 测试系统功能 |
| 2.3 本章小结 |
| 3 微构件激励的实现 |
| 3.1 放电激励方法 |
| 3.1.1 底座激励原理 |
| 3.1.2 尖端放电现象 |
| 3.1.3 放电激励 |
| 3.2 激励装置结构功能 |
| 3.2.1 激励装置结构 |
| 3.2.2 放电方式 |
| 3.3 本章小结 |
| 4 微构件温度控制系统 |
| 4.1 温度控制系统组成 |
| 4.2 温度控制系统硬件 |
| 4.3 温度控制软件 |
| 4.3.1 虚拟仪器技术 |
| 4.3.2 软件功能实现 |
| 4.4 本章小结 |
| 5 MEMS微构件动态特性测试实验 |
| 5.1 激光多普勒测振仪 |
| 5.2 激光多普勒测振原理 |
| 5.3 底座响应特性测试 |
| 5.4 微构件谐振频率测试 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（10）基于计算机视觉的机械零件几何量精密测量技术研究（论文提纲范文）
| 提要 |
| 第1章 绪论 |
| 1.1 计算机视觉概述 |
| 1.2 计算机视觉检测概述 |
| 1.3 计算机视觉检测国内外研究现状及发展趋势 |
| 1.3.1 计算机视觉检测研究现状 |
| 1.3.2 计算机视觉检测技术发展趋势 |
| 1.4 计算机视觉检测关键技术 |
| 1.4.1 图像分割 |
| 1.4.2 边缘检测 |
| 1.4.3 边缘的亚像素定位技术 |
| 1.4.4 摄像机标定 |
| 1.5 本课题研究的主要内容 |
| 1.6 本章小结 |
| 第2章 视觉检测系统构成及检测理论基础 |
| 2.1 视觉检测系统概述 |
| 2.2 系统硬件及其选择 |
| 2.2.1 照明系统 |
| 2.2.2 CCD摄像机 |
| 2.2.3 镜头 |
| 2.2.4 图像采集卡 |
| 2.2.5 计算机 |
| 2.3 系统软件 |
| 2.4 支持向量机基本理论 |
| 2.4.1 支持向量机 |
| 2.4.2 支持向量回归机 |
| 2.5 本章小结 |
| 第3章 常规图像处理算法及图像特征识别 |
| 3.1 图像去噪 |
| 3.1.1 图像噪声 |
| 3.1.2 图像滤波 |
| 3.2 图像分割 |
| 3.2.1 灰度阈值法 |
| 3.2.2 最大方差自动取阈法 |
| 3.3 边缘检测 |
| 3.3.1 经典边缘检测算子 |
| 3.3.2 Canny 边缘检测算子 |
| 3.3.3 边缘检测算子对比分析 |
| 3.4 图像几何特征识别 |
| 3.4.1 角点检测 |
| 3.4.2 线检测 |
| 3.5 本章小结 |
| 第4章 图像边缘亚像素定位 |
| 4.1 常见的亚像素边缘检测算法 |
| 4.1.1 Zernike矩法 |
| 4.1.2 插值法 |
| 4.1.3 拟合法 |
| 4.2 基于最小二乘支持向量回归机的图像边缘亚像素定位 |
| 4.2.1 最小二乘支持向量回归机原理 |
| 4.2.2 最小二乘线性支持向量回归机 |
| 4.2.3 最小二乘小波支持向量回归机 |
| 4.2.4 亚像素定位 |
| 4.3 亚像素定位实验 |
| 4.3.1 直线边缘的亚像素定位及其在角度和角点检测中的精度实验 |
| 4.3.2 曲线边缘的亚像素定位 |
| 4.3.3 圆弧的亚像素定位 |
| 4.3.4 圆边缘的亚像素定位 |
| 4.4 本章小结 |
| 第5章 零件微小结构几何量精密检测 |
| 5.1 被测对象 |
| 5.2 金属夏比V型缺口冲击试验件检测系统 |
| 5.2.1 检测系统硬件 |
| 5.2.2 检测系统软件 |
| 5.3 图像处理 |
| 5.3.1 图像去噪 |
| 5.3.2 图像分割与轮廓提取 |
| 5.4 图像边缘亚像素回归与被测参数计算 |
| 5.4.1 样本点采集 |
| 5.4.2 亚像素定位 |
| 5.4.3 被测参数计算 |
| 5.5 标定 |
| 5.6 检测结果和误差分析 |
| 5.6.1 检测结果 |
| 5.6.2 误差分析 |
| 5.7 本章小结 |
| 第6章 凸轮的计算机视觉检测 |
| 6.1 被测对象 |
| 6.2 视觉检测系统设计 |
| 6.3 摄像机标定 |
| 6.4 凸轮尺寸检测 |
| 6.4.1 亚像素定位 |
| 6.4.2 中心孔检测 |
| 6.4.3 凸轮外缘轮廓检测 |
| 6.4.4 形位误差的计算 |
| 6.4.5 检测结果和误差分析 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 参考文献 |
| 攻读博士学位期间发表的学术论文和参加的科研项目 |
| 致谢 |
| 摘要 |
| ABSTRACT |
四、计算机视觉在微构件三维检测中的应用研究（论文参考文献）
- [1]基于EPI角度一致性的光场图像特征匹配算法研究[D]. 边敏艳. 西安理工大学, 2021(01)
- [2]深度信息交互机制下的微表情识别研究[D]. 朱伟杰. 江南大学, 2021(01)
- [3]基于微透镜阵列光场成像的深度反演技术研究[D]. 郭正华. 中国科学院大学(中国科学院光电技术研究所), 2020(02)
- [4]基于显微机器视觉的MEMS微构件表面缺陷检测系统研究[J]. 王思琪,魏绍鹏,丁涛,贺秋冬. 湖北工程学院学报, 2019(03)
- [5]导光板微结构冲点机床在位图像测量系统关键技术的研究[D]. 石子开. 广东工业大学, 2019
- [6]面向精密制造与检测的机器视觉及智能算法研究[D]. 葛动元. 华南理工大学, 2013(11)
- [7]基于机器视觉的三角螺纹三维检测方法及实验研究[D]. 万鹏. 华南理工大学, 2012(01)
- [8]弱透光环境下微构件机器视觉检测关键技术研究[D]. 邵泉钢. 浙江大学, 2011(08)
- [9]高温环境下MEMS微构件动态特性测试技术研究[D]. 李晓轲. 大连理工大学, 2009(07)
- [10]基于计算机视觉的机械零件几何量精密测量技术研究[D]. 张秀芝. 吉林大学, 2009(07)