一、关于图像边缘检测的 Laplace算子的改进(论文文献综述)
高金鹏[1](2021)在《嵌入式图像处理平台在机器人快速堆叠系统中的应用研究》文中提出回转式空气预热器是大型火电机组的核心设备之一,本文针对回转式空气预热器的蓄热元件自动组装生产问题,设计了 一种整合机器视觉检测和机器人堆叠装框的全自动生产系统,提高了生产过程的自动化水平,显着降低了现场操作人员的劳动强度,应用了灵活的图像检测算法,可以适配不同规格尺寸的蓄热板。本文的主要研究工作包括:1、针对蓄热元件生产线的现场环境,本文提出一套基于机器视觉的动态抓取堆叠方案,对单目采集系统、图像处理平台、HIWIN机器人抓取系统以及桁架机器人装框系统进行选型,实现了硬件平台的搭建。2、针对不同尺寸蓄热板位置信息和姿态信息的检测问题,本文研究了改进的霍夫变换检测算法和最小外接矩形检测算法两种算法,基于类矩形的形状特征实现了蓄热板的识别与检测。本文通过设计图形界面实现了良好的人机交互功能,达到了灵活检测不同尺寸蓄热板的目的,为后续的机器人抓取打下基础。3、针对视觉引导的HIWIN机器人系统中不同坐标系的转换问题,本文研究了相机坐标系、传送带坐标系和机器人工具坐标系的标定方案,通过系统建模实现了整体抓取系统坐标系之间的位姿解算,达到了视觉系统和HIWIN机器人系统协同配合的目的。4、针对蓄热板的动态抓取问题,本文提出结合外触发器和编码器实时反馈的解决方案。机器人控制器利用编码器反馈的脉冲数统计传送带前进长度,计算拍照时刻与抓取时刻的位置变化量实现蓄热板动态定位,并通过修正梯形加速度曲线进行轨迹规划,实现了蓄热板的动态抓取。经过性能测试,绝对误差和相对误差为Ew=0.13cm,Ec= 0.24%,达到了位置及速度的精度要求,满足了实时性要求。
臧沙沙[2](2021)在《基于改进HED网络的地震图像边缘检测方法研究》文中研究说明边缘检测技术是数字图像处理和计算机视觉中的基本问题。随着深度学习的快速发展,基于卷积神经网络的边缘检测算法已经成为图像处理中的研究热点。经过多年的研究,在强边缘图像上的边缘检测算法已经取得了很好的效果,但是在弱边缘图像上,还存在着某些问题有待解决。因此,本文以改进HED网络为基础,对地震图像边缘检测方法进行研究。首先,对本文涉及到的理论基础知识进行简单介绍。深入研究了基于深度学习的HED网络边缘检测方法,对其进行了原理介绍、实验对比及定量分析,总结了HED网络的优缺点。然后,针对HED网络在进行边缘检测时会出现边缘不完整、不光滑等问题,提出一种基于改进HED网络的边缘检测算法。在原网络基础上减少了两个池化层,修改了最后两个侧边输出层中的反卷积层,优化了HED网络模型,提高了侧边输出层的输出精度,并且对损失函数进行优化。相比较HED网络,F-measure提高了2.3%,实验证明改进HED网络的性能得到提升。最后,将改进HED网络应用到弱边缘图像地震图像上。把改进HED网络输出的边缘概率图进行二值化,得到显着性边缘,采用基于匹配滤波的边缘提取方法提取图像的边缘,并与改进HED网络提取的边缘相融合,得到最终结果。该方法能够较大程度的减少非目标的边缘,并且能够有效提取完整和准确的目标边缘。
樊云霞[3](2021)在《螺纹滚压机器视觉对刀系统的研究》文中研究说明米制航空航天螺纹(MJ螺纹)采用热处理后进行滚压螺纹制造的工艺,具有高疲劳强度和高疲劳寿命的特点,广泛应用于航空航天领域。在螺纹滚压加工过程中,第一步就是对刀。传统的手工对刀法采用试切法,这种方法对刀效率低、精度低,已经无法满足现代数控机床大批量、高精度加工的要求。随着人工智能的发展,机器视觉技术现已广泛应用于各行各业,它可以大大提高生产效率和自动化程度。本文将机器视觉应用到螺纹滚压对刀中,提出一种螺纹滚压机器视觉对刀系统。首先,对机器视觉的国内外发展状况进行了介绍,为了满足系统要求,设计了螺纹滚压机器视觉对刀系统的总体方案,重点对机器视觉图像采集系统进行研究,分析了图像采集系统的组成及选型规则。其次,详细研究了机器视觉图像处理技术,包括图像预处理和边缘检测。根据实际的图像处理效果,选择了本文的预处理操作,包括灰度变换、直方图均衡化、中值滤波、二值化。分析了传统的边缘检测方法如Roberts、Prewitt、Sobel、Laplace、Canny等算子和数学形态学处理的边缘检测原理,并对实际提取的边缘轮廓效果进行对比,表明形态学处理方法可以提取出连续清晰的图像轮廓,所以本文采用数学形态学处理方法。然后,为了获得滚压刀刀尖和对刀点的坐标位置及对刀距离,研究了张正友相机标定、系统标定和最小二乘法拟合直线方程的原理,且通过实验得到了相机参数和系统标定值,根据对刀点和对刀距离,分析了本文控制伺服电机实现对刀的原理。最后,设计了螺纹滚压机器视觉对刀系统的硬件实验平台和开发的软件系统,该系统可以实现图像采集、预处理、边缘检测、获取对刀位置和对刀距离等功能。采用开发的对刀系统进行对刀实验,实验验证了螺纹滚压机器视觉对刀系统是可行的,可以实现较好的人机交互,且自动对刀时间约为2 min,精度误差为0.01 mm,满足实际机床加工的要求。
郝泽兴[4](2021)在《表格数据结构化转换方法的研究》文中研究指明生活中有结构化、半结构化和非结构化三类数据。相比于结构化数据,半结构化和非结构化数据具有较高的价值密度,但由于不能直接进行存储和分析,数据挖掘工作存在很多不便。表格数据在生活信息传递中占较大比重,内容丰富,是数据的重要承载形式。因此本文以表格数据为研究对象,针对图像型表格数据和电子表格数据的结构化转换方法进行了研究。通过对国内外相关文献进行深入分析,发现现有的数据结构化转换方法主要包括数据抽取和数据组织两个步骤。电子表格的数据抽取较为简单,只需要使用API(Application Programming Interface)将数据读取缓存即可。图像型表格的数据无法直接抽取,需要先将其转换为电子表格数据再完成数据抽取部分。数据组织则需要按照数据间的位置关系确定逻辑关系,在保持逻辑关系不变的前提下对数据进行处理,将其转换为符合数据库存储的结构化数据形式。为了将图像型表格数据重绘为电子表格数据,本文对表格图像的处理方法进行了设计。首先对图像进行倾斜校正,保证后续OCR(Optical Character Recognition)的识别效果;然后使用LSD(Line Segment Detector)算法检测表格中的直线特征,通过筛选确定表格框架的线特征信息;使用Harris算法获取图像型表格的角点特征,对结果进行聚类提高定位精度,基于线特性信息完成表格框架角点的剔除与提取;最后切分识别单元格图像,依据点、线及文字信息生成对应的电子表格。为了提高算法整体的抗干扰能力加入了边缘检测技术,对比检测效果后选定Canny算子为实验对象,针对其在实际应用中出现的问题进行了部分改进。在Python3.7.0环境下对改进算法进行了实验验证,结果表明本文算法对边缘的保护效果明显,图像处理的质量好,检测结果连接平滑,有效提高了边缘检测的效果,可以满足图像型表格的边缘检测需求。在电子表格数据结构化转换的过程中,把整体表格划分为索引区、标题区和数据区,通过Python提供的docx接口抽取各区内数据并记录数据间的逻辑关系,按照树形结构合并压缩标题区内容,遵循数据间的逻辑关系重新组织表格数据使之转换为结构化数据,将转换后的数据分别存储到XML文件和数据库中。测试结果表明,本文方法能够比较准确的完成图像型表格数据的特征信息提取,可以将图像型表格数据重绘为电子表格数据,电子表格数据可以进行结构化转换与存储。表格数据结构化转换的实现,为表格数据的有效利用奠定了良好基础。
牛鹏磊[5](2021)在《高精度图像测量系统研究》文中认为随着计算机数字技术的高速发展,工艺生产和制造技术标准越来越高,视觉测量作为一种无接触、高精度、速度快的测量技术被广泛运用于多种行业。尤其在一些精密器件比如芯片、微小工件的检测中,凭借其日益凸显的优势,成为国内外学术科研、工业应用中的研究热点。本文结合微小工件的检测需求对高精度图像测量系统进行了研究,完成了对硬件采集单元和软件算法单元的设计与开发。本系统已完成的几项工作有:第一,研究了包括镜头、相机、光源等采集系统硬件的工作原理,总结了它们对于工件成像质量的作用和影响,如镜头的畸变和景深、相机参数、光源类型和打光方式对成像的影响。结合测量需求和成本等因素对采集系统的硬件进行了选型搭建和取像对比实验,根据成像效果确定了最终硬件系统设计方案。第二,研究了基于微小工件检测的软件算法系统,并对图像测量软件进行了设计实现。图像测量软件在Windows平台上使用C++开发,将Qt作为界面交互软件的设计框架。按照高精度图像测量系统的功能需要,软件架构有显示交互层(表示层)、图像算法层、业务逻辑层和核心工具层。最后制定了各个模块的实际实行方案,实验测试得出本课题软件系统不仅保证了满足了测量功能需求,智能化的交互还提供了测量的便捷性。第三,在亚像素边缘轮廓的计算处理上,本课题用改进的Canny算法与灰度值模型的亚像素边缘提取算法相结合:首先用引导滤波器代替了高斯滤波器的改进的Canny算子得出被测对象像素边缘。其次,在前面边缘的提取结果上利用基于灰度值模型的边缘提取算法为测量提供高精度的亚像素边缘轮廓。同时为了解决微小工件中曲率较高的圆的测量精度问题,在基于灰度值模型的边缘提取算法中增加了对圆形边缘的讨论,并考虑了不同距离的像素灰度值对边缘两侧灰度值A和B取值的影响,提高了算法的适用性。第四,搭建了高精度图像测量系统系统,标定后对微小工件进行了采集和目标参数测量。通过数据分析,可以得出本课题研究的系统在对微小工件测量场景下的精度更好,且能达到0.1s完成单个测量部位的速度,算法适用范围更广。
丁登峰[6](2021)在《基于混合滤波算法的智能边缘检测技术研究与应用》文中研究说明视觉伺服技术使得机器人拥有了目标识别功能,能够增强产线的智能化和柔性化程度,促进生产效率的不断提高。图像去噪与边缘检测作为视觉伺服技术中的关键点,其算法的优劣直接影响着图像处理的质量和准确度。图像噪声是由于图像在成像过程中受到环境、传输途径、设备等因素的影响而产生的干扰信号,其噪声类型主要是高斯噪声和脉冲噪声。当前大多数图像去噪算法是针对单一类型噪声处理,无法有效处理混合噪声。另一方面,工业应用的视觉很多是要求检测、提取目标物体的边缘信息,其核心就是图像边缘检测和位姿识别。而在工厂复杂环境下,特别是局部光照不均衡时,常规边缘检测算法难以准确提取到目标的完整边缘信息。本文主要针对工厂应用条件下图像混合噪声滤波、局部二值化和图像边缘检测研究并改进优化,论文的主要工作如下:在混合去噪方面,分析了各种中值算法及其改进算法优缺点,基于极值中值和自适应中值算法提出一种改进中值滤波算法,能够更有效地检测脉冲噪声点,更有效地滤除脉冲噪声。并综合运用改进的中值算法和小波阈值算法进行混合噪声去噪,实现较好地滤除混合噪声的目的。在局部光照不均衡二值化方面,比较分析了Otsu、Kittler、Niblack和Sauvola等算法,基于Niblack算法模型进行改进,提出了一种处理速度快、效果好的图像二值化处理方法。在图像边缘检测方面,比较分析了空域上传统的边缘检测算法,如Roberts、Prewitt、Sobel、Laplacian、Canny算子,阐述了频域上小波模极大值边缘检测算法。在Canny算法和小波模极大值边缘检测算法基础上,结合Niblack算法阈值思想并运用其改进算法进行改进优化。最后,通过对改进算法进行仿真实验证明了改进算法效果更优。同时为了验证改进算法的实际应用效果,将改进的算法应用于机器人抓取导电棒项目中的识别与抓取过程中,取得很好的应用效果。
白戎[7](2021)在《基于机器视觉的自动激光焊接系统研究与设计》文中提出近年来,随着激光技术和自动化技术的迅速发展,自动化、智能化的激光焊接技术在自动化生产加工方面展现出巨大的产业化潜力和广阔的应用前景。本文针对自动激光焊接系统对视觉引导功能的需求,进行了基于机器视觉的自动激光焊接系统的研究,主要包括自动激光焊接系统平台设计、焊缝识别和焊缝轨迹中心线路径平滑规划方法这三个方面的内容。在自动激光焊接系统平台设计方面,针对国内外领先的激光加工设备生产厂商研发生产的自动激光加工设备进行了前期的市场调研后,自主研发设计了基于机器视觉的自动激光焊接系统实验平台。设计视觉成像系统,作为引导运动执行系统的视觉传感器;对运动执行系统进行研究,采用滚珠丝杠结构的三轴直线模组作为运动执行机构,运动控制卡和步进电机驱动器作为运动控制及驱动部分;组装焊接执行系统,对激光器和激光焊接头进行选择搭配,分别作为焊接热源和激光束整形机构。装配以上三个部分,搭建基于机器视觉的自动激光焊接系统实验平台。在焊缝识别方面,包括焊缝轨迹识别及焊缝轨迹中心线提取两部分内容。针对焊缝间隙较窄,焊接工件表面划痕与焊缝特征相似,极易导致误识别的问题,本文首先完成了相机标定模型及标定方法的研究,应用张氏标定法进行相机标定实验,消除镜头畸变;然后,针对平面曲线焊缝的特征,采用方向小波变换的方法对焊接对象进行边缘检测,滤除焊接对象表面划痕、锈蚀等干扰因素,提取出焊接对象的边缘及焊缝图像;最后,对提取到的焊接对象的边缘及焊缝图像进一步处理,应用形态学处理方法提取出焊缝轨迹二值图像,采用形态学细化法提取出焊缝轨迹中心线坐标,通过实验验证了焊缝轨迹中心线提取方法的可靠性。在焊缝轨迹中心线路径平滑规划方法方面,对焊缝轨迹曲线拟合方法进行研究,提出了基于Harris-Laplace角点特征的NURBS曲线规划方法。首先,针对复杂的焊缝轨迹曲线拟合运算数据量较大的问题,采用Harris-Laplace角点检测算法对复杂曲线进行分段,采取分段拟合的思想在不丢失曲线数据的前提下,降低曲线的复杂程度;其次,针对运动执行机构直接按照焊缝轨迹中心线坐标为型值点坐标运动,出现的顿挫、抖动现象,应用NURBS曲线拟合方法规划焊接轨迹曲线。本文基于Matlab开发环境,完成焊缝识别和焊缝轨迹中心线路径平滑规划的算法验证;基于Visual Studio2010软件开发平台,应用C#语言开发焊接控制软件,通过对金属工件的激光焊接实验,完成自动激光焊接系统的设计。
邹雨彤[8](2021)在《光学成像系统中的自动检焦技术研究》文中研究说明望远镜、航空相机等光学成像系统作为空间观测和空中监测的主要手段之一,是人类感知获取空间目标和检测空中目标的重要途径。由于其具有分辨率高、实时性强等优点,在获取太空信息、保障空防安全等方面得到了诸多应用。但光学成像系统实际使用环境复杂多变,温度、压力、冲击、摩擦等各种因素都有可能在其复杂精密的成像过程中造成离焦现象,从而导致像质下降,干扰后续工作。调焦技术是提高光学成像系统质量的重要手段,而检焦技术则是调焦技术准确实施的前提与基础,因此快速高精度的检焦方法是高质量光学成像系统中的重要研究内容。本文通过研究各类别自动检焦技术,分析其发展历程、检测原理、对比其优缺点,深入探讨了基于传感器的像差检测技术和基于图像处理的离焦检测方法。并在此基础上,以扩展目标为主要检测任务,针对时间和精度两个目标提出了改进方法。文章首先对研究背景、意义、各类技术方法及发展、离焦基本原理及模型做了详细的归纳与解释。为了实现点目标的检焦,本文在基于夏克—哈特曼传感器检测像差的研究基础上,完成了对于离焦量的检测,平均误差为0.03?,并分析了影响其精度的各种因素。为了提升针对扩展目标检焦的快速性,本文在基于图像处理的检焦方法基础上,提出了直接对离焦图像频谱处理的方法。先根据离焦图像频域特性直接求得模糊参数,然后求出扩展目标的粗检离焦量,此方法可以节省基于图像的检调焦系统中大量的步进调整时间,将原本多幅图像所需的调整、传输、检测时间缩短至1s左右。为了提升针对扩展目标检焦方法的精度、改善基于图像处理的检焦方法抗噪性弱的问题,提出了一种基于图像灰度梯度算子的改进清晰度评价函数,该函数通过丰富算子灰度梯度方向、改善阈值和权重等方式,在精度方面相比于传统清晰度评价函数提升约0.0855~0.2145,同时极大地改善了抗噪性;在真实离焦扩展目标的验证中,该方法的灵敏度因子在单一场景和复杂场景下分别表现出至少13%和17%的提升。最终针对空中扩展目标提出了一种粗精结合的快速高精度检焦方法,为后续空中目标检测的高质量影像获取提供了保障。
赵帮强[9](2021)在《河域边界线实时视觉识别与应用》文中研究说明河域边界线指的是河域中波动的水面与河滩的瞬时交界线,其位置信息的实时监测在河域自动化测流中起着十分重要的作用。现为实现河域测流平台在测流时对河域边界线的自动实时视觉识别与定位而可自动布置测流点,达到河域全自动化测流的目标。现针对河域边界线的实时视觉识别提出方法研究,接着对识别到的边界线进行坐标定位并应用于测流点布置。本课题针对水文站的实际测流工作需要,首先进行了视频监控系统的搭建,实现了研究对象的图像获取;针对获取到的研究对象的图像,采用高斯平滑进行初步降噪,利用图像阈值分割二值化得到水陆二值化图,基于种子区域填充与形态学处理结合对二值化图进行边缘特征增强处理,最后利用边缘检测实现了模糊状态下的河域边界线的实时视觉识别;在河域边界线提取结果基础上结合现场测流平台的工作原理提出了定位研究;最后将定位后的河域边界线的位置在测流点布置工作中得以应用,解决了目前半自动化测流中采用人工目视定位水边线的效率低、误差大等问题,为实现全自动化测流奠定坚实基础,极大减少河域测流工作中人力及财力的投入。本文研究的主要工作及成果如下:(1)河域边界实时监测系统的搭建。为实现研究对象的获取,本文提出在水文测流站的设备基础上进行监测系统搭建,主要包括摄像头的选型,摄像头在测流平台上定位与安装,摄像头姿态调整及电源接线等工作,实现了摄像头对河域边界的视频监控;然后采用两个无线网桥的无线传输功能将视频监控画面传送至计算机中;最后通过视频分帧方式成功获取了本文研究对象的图像。(2)河域边界线实时视觉识别。针对河域边界实时视觉识别进行了方法研究和实验分析,首先对研究对象进行预处理以得到初步降噪的灰度图,然后采用阈值分割法进行二值化处理以得到水陆二值图,在二值图的基础上进行种子填充来避免非水体中连通域噪声的影响,并经数学形态学运算使得水陆分界线的边缘特征连续且清晰,最后利用经典边缘检测算子对其中的河域边界线进行提取并经形态学进一步处理,最终实现了对河域水陆分界线的识别。实验结果表明,该方法可以有效地识别在碎石淤泥河沙等物复杂干扰下的河域边界线。(3)河域边界线的定位与应用。针对河域边界线的提取结果,首先通过分析河域边界线、摄像头、测流平台三者之间的坐标关系,将河域边界线的定位转换为测流平台的定位;然后在世界坐标系下,通过对测流平台所造循环索道的运动监测进行定位;接着对测流平台定位结果进行反推解决了河域边界线的定位问题;最后利用河域边界线定位得到的横坐标对当前河域宽度进行计算,并在测流截面内对测流点进行了均匀布置。
王文娟[10](2021)在《基于Android平台的网点图像边缘检测系统的设计与实现》文中研究指明目前图像边缘检测技术被应用于印刷网点测量中。当下,学界方面普遍认为相比较其他边缘检测算法而言,Canny边缘检测算法能够发挥出更好的边缘检测性能。但是对在印刷品质量检测系统中经常出现的脉冲噪声(椒盐噪声)的滤除效果并不理想。根据这一现状,本课题提出了基于自适应中值滤波的Canny边缘检测算法,以达到提高印刷品网点图像边缘检测效果的目的。并在Android平台上开发基于自适应中值滤波的Canny算法的印刷品网点图像边缘检测系统。论文首先研究和分析了图像边缘检测的常用算法,同时进一步针对自适应中值滤波展开了有关于Canny边缘检测算法的探讨和实践应用,对胶印、柔印、凹印、丝网印刷四种印刷品网点图像进行边缘提取,并通过峰值信噪比PSNR对其效果进行了客观评价,通过对比实验验证了该算法对于含有脉冲噪声的印刷品网点图像的边缘检测效果和良好的去噪效果。根据提出的基于自适应中值滤波的Canny边缘检测算法,进行边缘检测,开发出的Android网点图像边缘检测针对含有脉冲噪声印刷品网点图像的检测精确度高,可以应用于印刷品的网点图像边缘检测中。
二、关于图像边缘检测的 Laplace算子的改进(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、关于图像边缘检测的 Laplace算子的改进(论文提纲范文)
(1)嵌入式图像处理平台在机器人快速堆叠系统中的应用研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题研究背景 |
1.2 国内外研究现状及意义 |
1.3 论文主要研究工作 |
2 基于视觉伺服的蓄热板抓取系统设计 |
2.1 系统组成与开发环境简介 |
2.1.1 蓄热板抓取系统总体结构 |
2.1.2 系统运动分析 |
2.2 图像处理平台 |
2.2.1 嵌入式处理平台 |
2.2.2 光源 |
2.2.3 相机 |
2.2.4 镜头 |
2.3 HIWIN机器人系统 |
2.4 桁架机器人系统 |
2.5 本章小结 |
3 基于类矩形轮廓的工件识别算法 |
3.1 图像获取 |
3.2 图像预处理 |
3.2.1 色域空间转换 |
3.2.2 闭运算 |
3.2.3 轮廓筛选 |
3.3 边缘特征提取 |
3.3.1 边缘检测概述 |
3.3.2 边缘检测算子介绍 |
3.3.3 边缘检测实验结果分析 |
3.4 工件识别方法概述 |
3.5 基于改进霍夫变换的类矩形检测算法 |
3.5.1 蓄热板检测方法研究 |
3.5.2 交点区域预判研究 |
3.5.3 交点匹配方法研究 |
3.6 基于最小外接轮廓的类矩形检测算法 |
3.6.1 获取最小外接轮廓 |
3.6.2 主轴法研究与分析 |
3.6.3 算法性能分析 |
3.6.4 矢量数据获取 |
3.7 本章小结 |
4 基于视觉引导的HIWIN机器人堆叠系统 |
4.1 相机建模 |
4.2 标定工具坐标系 |
4.2.1 相机坐标系标定 |
4.2.2 HIWIN机器人工具坐标系标定 |
4.3 传送带坐标系建模 |
4.3.1 相机-传送带-机器人位置关系 |
4.3.2 相机-传送带-机器人标定步骤 |
4.4 HIWIN机器人快速堆叠系统 |
4.5 目标的动态表示 |
4.5.1 单个目标表示 |
4.5.2 多个目标筛选 |
4.6 快速堆叠系统动作规划 |
4.6.1 快速堆叠系统路径规划 |
4.6.2 快速堆叠系统轨迹规划 |
4.6.3 计算抓取位置 |
4.7 本章小结 |
5 应用测试与分析 |
5.1 堆叠系统总体结构 |
5.2 现场总体软件流程介绍 |
5.3 软件调试 |
5.3.1 串口通信 |
5.3.2 相机SDK开发 |
5.3.3 性能测试 |
5.3.4 界面设计 |
5.4 应用检验 |
5.5 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
(2)基于改进HED网络的地震图像边缘检测方法研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及选题意义 |
1.2 边缘检测技术研究现状 |
1.2.1 早期边缘检测方法 |
1.2.2 基于深度学习的边缘检测方法 |
1.3 边缘检测技术在地震勘探资料处理中的研究现状 |
1.4 地震图像边缘检测的难点 |
1.5 本文的主要工作 |
1.6 本文的结构安排 |
第二章 相关理论基础 |
2.1 边缘检测 |
2.2 检测方法 |
2.3 卷积神经网络 |
2.3.1 卷积层 |
2.3.2 池化层 |
2.3.3 全连接层 |
2.3.4 分类器 |
2.4 基于卷积神经网络的边缘检测 |
2.4.1 CNN网络架构 |
2.4.2 基于CNN的边缘检测器 |
2.5 本章小结 |
第三章 改进HED网络边缘检测方法研究 |
3.1 HED网络 |
3.1.1 模型结构 |
3.1.2 算法结构 |
3.1.3 损失函数 |
3.2 HED网络的优缺点分析 |
3.3 改进HED网络 |
3.3.1 HED网络模型的优化 |
3.3.2 HED网络损失函数的优化 |
3.4 实验测试过程 |
3.4.1 实验环境 |
3.4.2 评价标准 |
3.4.3 模型训练 |
3.5 实验结果分析 |
3.5.1 优化验证 |
3.5.2 合理性探究 |
3.5.3 效果展示 |
3.6 本章小结 |
第四章 改进HED网络在地震图像上的边缘检测方法研究 |
4.1 地震图像预处理 |
4.1.1 图像灰度化 |
4.1.2 图像噪声 |
4.1.3 图像滤波 |
4.2 边缘响应融合 |
4.2.1 匹配滤波 |
4.2.2 OTSU |
4.3 地震图像边缘检测实验结果及分析 |
4.3.1 定量分析 |
4.3.2 传统边缘检测算法在地震图像上的边缘检测 |
4.3.3 HED网络在地震图像上的边缘检测 |
4.3.4 改进HED网络在地震图像上的边缘检测 |
4.4 本章小结 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
致谢 |
参考文献 |
攻读学位期间参加科研情况及获得的学术成果 |
(3)螺纹滚压机器视觉对刀系统的研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 机器视觉国内外研究现状 |
1.2.1 机器视觉国外研究现状 |
1.2.2 机器视觉国内研究现状 |
1.3 本文主要研究内容 |
2 机器视觉系统设计 |
2.1 机器视觉对刀系统总体方案设计 |
2.2 机器视觉图像采集系统设计 |
2.2.1 图像传感器 |
2.2.2 镜头 |
2.2.3 光源 |
2.3 本章小结 |
3 机器视觉图像处理 |
3.1 图像预处理 |
3.1.1 灰度变换 |
3.1.2 直方图均衡化 |
3.1.3 滤波去噪 |
3.1.4 二值化 |
3.2 图像边缘检测 |
3.2.1 Roberts算子 |
3.2.2 Prewitt算子 |
3.2.3 Sobel算子 |
3.2.4 Laplace算子 |
3.2.5 Canny算子 |
3.2.6 数学形态学 |
3.3 几种算子比较 |
3.4 本章小结 |
4 机器视觉对刀技术研究 |
4.1 提取坐标点 |
4.1.1 相机标定原理 |
4.1.2 相机标定实验 |
4.2 对刀距离 |
4.2.1 最小二乘法直线拟合 |
4.2.2 系统标定 |
4.3 对刀原理 |
4.4 本章小结 |
5 螺纹滚压机器视觉对刀系统的开发 |
5.1 硬件平台设计与搭建 |
5.2 软件系统设计 |
5.3 对刀实验和结果分析 |
5.4 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 |
(4)表格数据结构化转换方法的研究(论文提纲范文)
中文摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及研究意义 |
1.2 国内外研究现状 |
1.2.1 表格数据结构化转换研究现状 |
1.2.2 表格图像处理研究现状 |
1.3 本文工作 |
1.4 论文组织结构 |
第2章 数字图像处理技术概述 |
2.1 数字图像处理中的基本概念 |
2.2 数字图像处理的关键技术 |
2.3 数字图像处理技术的实际应用 |
2.4 本章小结 |
第3章 图像型表格边缘检测的改进技术 |
3.1 图像边缘检测基本原理 |
3.2 常见的边缘检测算子 |
3.2.1 一阶微分算子 |
3.2.2 二阶微分算子 |
3.3 常见算子实验结果比对 |
3.4 表格边缘检测的改进方法 |
3.4.1 边窗高斯滤波算法 |
3.4.2 梯度幅值和方向的计算 |
3.4.3 分割阈值的自适应计算 |
3.5 实验结果与分析 |
3.6 本章小结 |
第4章 基于图像特征的表格识别算法 |
4.1 图像型表格的校正 |
4.1.1 投影法 |
4.1.2 Hough变换法 |
4.1.3 基于Hough变换的迭代倾角计算方法 |
4.2 表格特征提取算法 |
4.2.1 获取表格线位置 |
4.2.2 检测表格线交点 |
4.3 单元格图像文字信息识别 |
4.4 图像型表格数据的重绘 |
4.5 本章小结 |
第5章 电子表格数据的结构化转换 |
5.1 表格信息的抽取 |
5.2 标题逻辑的组织 |
5.3 表格数据的存储 |
5.4 本章小结 |
第6章 总结与展望 |
6.1 本文总结 |
6.2 论文进一步研究方向 |
参考文献 |
致谢 |
攻读硕士学位期间发表的学术论文 |
(5)高精度图像测量系统研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 视觉测量技术概述 |
1.1.1 视觉测量系统组成 |
1.1.2 视觉测量系统特点 |
1.1.3 视觉测量系统的研究方向 |
1.2 国内外发展现状 |
1.2.1 机器视觉测量系统研究现状 |
1.2.2 亚像素边缘检测的研究现状 |
1.3 存在的问题 |
1.4 研究目标、内容及意义 |
1.4.1 研究目标 |
1.4.2 研究内容 |
1.4.3 研究意义 |
第2章 机器视觉测量系统原理及设计 |
2.1 机器视觉测量系统的工作原理 |
2.1.1 图像的采集 |
2.1.2 图像的处理 |
2.2 图像测量系统硬件 |
2.2.1 光源照明 |
2.2.2 相机 |
2.2.3 镜头 |
2.3 图像测量软件 |
2.3.1 相机控制单元 |
2.3.2 系统显示单元 |
2.3.3 算法处理单元 |
2.3.4 数据管理单元 |
2.4 本章小结 |
第3章 图像预处理与边缘检测 |
3.1 图像噪声 |
3.1.1 高斯噪声 |
3.1.2 椒盐噪声 |
3.2 图像滤波 |
3.2.1 高斯滤波 |
3.2.2 中值滤波 |
3.2.3 双边滤波 |
3.2.4 引导滤波 |
3.2.5 滤波算法性能实验分析 |
3.3 像素级边缘检测 |
3.3.1 Canny算子 |
3.3.2 Roberts算子 |
3.3.3 Sobel算子 |
3.3.4 Prewitt算子 |
3.3.5 Laplace算子 |
3.3.6 像素级边缘检测性能分析 |
3.4 改进的Canny边缘检测算法 |
3.5 本章小结 |
第4章 基于灰度值模型的亚像素边缘检测算法 |
4.1 基于灰度值模型的边缘检测 |
4.1.1 梯度计算的误差分析 |
4.1.2 已有检测算法的分析 |
4.1.3 模型缺陷与不足 |
4.2 改进的算法 |
4.2.1 边缘两侧灰度值选取 |
4.2.2 边缘模型改进 |
4.3 本章小结 |
第5章 高速视觉测量系统实验平台研制 |
5.1 实验硬件平台的设计实现 |
5.1.1 主要硬件的选择 |
5.1.2 实验平台组装与调试 |
5.2 视觉测量软件的实现 |
5.2.1 图像模块设计 |
5.2.2 算法测量模块设计 |
5.2.3 数据管理模块设计 |
5.2.4 测量软件操作流程 |
5.3 本章小结 |
第6章 视觉测量系统标定与结果验证分析 |
6.1 摄像机标定和尺寸计算 |
6.1.1 相机成像模型 |
6.1.2 高精度图像测量系统中的标定 |
6.2 测试结果分析 |
6.3 本章小结 |
第7章 总结与展望 |
7.1 全文总结 |
7.2 展望 |
参考文献 |
致谢 |
在学期间主要科研成果 |
一、发表学术论文 |
二、其它科研成果 |
(6)基于混合滤波算法的智能边缘检测技术研究与应用(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题研究背景及意义 |
1.2 国内外研究现状及发展动态分析 |
1.2.1 图像去噪 |
1.2.2 图像二值化 |
1.2.3 图像边缘检测 |
1.3 图像质量评价方法 |
1.3.1 主观评价 |
1.3.2 客观评价 |
1.4 本文主要研究内容及组织结构 |
2 图像混合去噪 |
2.1 图像噪声 |
2.1.1 噪声来源 |
2.1.2 噪声分类 |
2.2 中值滤波算法 |
2.2.1 标准中值滤波器 |
2.2.2 加权中值滤波 |
2.2.3 开关中值滤波 |
2.2.4 极值中值滤波 |
2.2.5 自适应中值滤波器 |
2.3 基于极值中值和自适应中值滤波的改进算法 |
2.3.1 脉冲噪声点检测改进 |
2.3.2 脉冲噪声点的滤除改进 |
2.3.3 基于极值中值和自适应中值滤波的改进算法流程 |
2.3.4 实验仿真与结果分析 |
2.4 小波去噪及其改进算法 |
2.4.1 图像的小波变换 |
2.4.2 小波去噪原理及方法 |
2.4.3 小波阈值去噪方法 |
2.4.4 实验仿真与结果分析 |
2.5 图像混合噪声去噪方法 |
2.5.1 高斯噪声滤除性能对比 |
2.5.2 混合噪声去噪 |
2.5.3 实验仿真和结果分析 |
2.6 本章小结 |
3 图像二值化 |
3.1 OTSU算法与Niblack算法简介 |
3.1.1 OTSU算法 |
3.1.2 Niblack算法 |
3.2 Niblack算法优化改进 |
3.2.1 运用迭代思想优化算法复杂度 |
3.2.2 自适应阈值函数优化 |
3.3 实验仿真及结果分析 |
3.4 本章小结 |
4 图像边缘检测 |
4.1 图像边缘定义及分类 |
4.2 传统边缘检测算法 |
4.2.1 一阶微分边缘检测算法 |
4.2.2 二阶微分边缘检测算法 |
4.2.3 Canny算子边缘检测 |
4.2.4 Canny算法的缺陷 |
4.3 小波边缘检测 |
4.3.1 小波模极大值边缘检测算法 |
4.3.2 小波基的选取 |
4.3.3 阈值的选取 |
4.3.4 小波模极大值边缘检测算法流程 |
4.4 改进的边缘检测算法 |
4.4.1 Canny算法改进优化 |
4.4.2 小波模极大值边缘检测算法改进优化 |
4.5 实验仿真及结果分析 |
4.5.1 传统边缘检测算法比较分析 |
4.5.2 Canny算法与小波模极大值边缘检测算法比较 |
4.5.3 小波模极大值边缘检测算法改进效果比较 |
4.5.4 Canny算法改进效果比较 |
4.6 本章小结 |
5 改进算法应用 |
5.1 视觉应用场景 |
5.2 试验平台 |
5.3 图像处理应用 |
5.4 本章小结 |
6 结论 |
参考文献 |
附录 本人在攻读学位期间所发表的论文及获奖 |
致谢 |
(7)基于机器视觉的自动激光焊接系统研究与设计(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 激光焊接设备的发展现状 |
1.2.2 焊缝识别技术的研究现状 |
1.2.3 焊接轨迹规划方法的研究现状 |
1.3 自动激光焊接系统研究存在的相关问题 |
1.4 本文的研究内容及章节安排 |
第2章 自动激光焊接系统平台设计 |
2.1 激光焊接系统平台结构设计 |
2.2 视觉成像系统方案确定 |
2.2.1 工业相机 |
2.2.2 工业镜头 |
2.2.3 照明系统 |
2.3 运动执行机构硬件设计 |
2.3.1 直线模组硬件设计 |
2.3.2 步进电机及驱动器硬件设计 |
2.3.3 运动控制卡硬件设计 |
2.4 激光器及焊接头方案确定 |
2.4.1 激光器选型 |
2.4.2 焊接头选型 |
2.5 自动激光焊接平台 |
2.6 本章小结 |
第3章 基于小波变换的焊缝边缘检测算法研究 |
3.1 摄像机标定 |
3.1.1 相机参数标定及原理 |
3.1.2 相机标定实验结果 |
3.2 基于小波变换的图像边缘检测 |
3.2.1 小波变换的图像边缘检测基本原理 |
3.2.2 方向小波变换的边缘检测算法原理 |
3.3 实验结果 |
3.4 本章小结 |
第4章 基于形态学的焊缝中心线提取方法研究 |
4.1 基于形态学的焊缝轨迹提取方法研究 |
4.1.1 形态学膨胀及腐蚀 |
4.1.2 形态学开运算及闭运算 |
4.2 焊缝轨迹中心线提取方法 |
4.3 焊缝中心线提取实验 |
4.3.1 基于形态学的焊缝轨迹提取实验 |
4.3.2 焊缝轨迹中心线提取实验及误差分析 |
4.4 本章小结 |
第5章 基于Harris-Laplace角点特征的NURBS曲线规划方法研究 |
5.1 Harris-Laplace角点检测算法 |
5.2 NURBS曲线规划算法 |
5.2.1 NURBS曲线数学描述 |
5.2.2 NURBS曲线规划算法 |
5.3 基于Harris-Laplace角点特征的NURBS曲线规划方法 |
5.4 曲线拟合实验 |
5.4.1 角点检测实验结果 |
5.4.2 NURBS曲线拟合实验 |
5.4.3 基于Harris-Laplace角点特征的NURBS曲线规划方法实验 |
5.5 自动激光焊接系统实现 |
5.5.1 基于机器视觉的自动激光焊接系统操作软件 |
5.5.2 基于机器视觉的自动激光焊接系统焊接实验 |
5.6 本章小结 |
第6章 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
附录I |
附录II |
作者简介 |
攻读硕士学位期间研究成果 |
(8)光学成像系统中的自动检焦技术研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景与意义 |
1.2 国内外检焦技术研究历程 |
1.3 常用的离焦系统自动检焦方法 |
1.4 主要研究内容及论文结构 |
第2章 检焦基本理论分析 |
2.1 离焦光学模型 |
2.1.1 几何光学模型 |
2.1.2 波动光学模型 |
2.2 离焦系统成像分析及其降质模型 |
2.2.1 离焦对光学成像系统的影响 |
2.2.2 离焦成像系统的降质模型 |
2.3 本文技术路线 |
2.4 本章小结 |
第3章 点目标的自动检焦方法 |
3.1 基于夏克—哈特曼波前传感器的自动检焦原理 |
3.2 仿真分析 |
3.3 本章小结 |
第4章 扩展目标的自动粗检焦方法 |
4.1 图像预处理 |
4.1.1 图像低照度增强 |
4.1.2 图像去噪处理 |
4.2 基于图像频谱的直接粗检焦原理 |
4.3 改进的频谱信息提取方法 |
4.4 结果分析与讨论 |
4.5 本章小结 |
第5章 扩展目标的自动精检焦方法 |
5.1 基于图像评价的精检焦原理 |
5.2 常用的清晰度评价函数 |
5.2.1 基于空域清晰度评价函数 |
5.2.2 基于频域清晰度评价函数 |
5.2.3 基于信息熵的清晰度评价函数 |
5.2.4 基于统计学的清晰度评价函数 |
5.3 基于SOBEL算子的改进图像清晰度评价函数 |
5.4 改进清晰度评价函数性能验证 |
5.4.1 清晰度评价性能仿真实验 |
5.4.2 抗噪能力检验及灵敏度分析 |
5.4.3 真实图像验证 |
5.4.4 望远镜系统实验验证 |
5.5 本章小结 |
第6章 总结和展望 |
6.1 全文工作总结 |
6.2 论文主要创新点 |
6.3 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 |
(9)河域边界线实时视觉识别与应用(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景与意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.3 本文研究问题的提出 |
1.4 本文主要研究内容 |
1.5 本文研究技术路线 |
1.6 论文组织结构 |
第2章 河域边界实时监测系统搭建及研究对象获取 |
2.1 网络摄像机的定位与安装 |
2.2 摄像头姿态的确定 |
2.3 摄像监控系统的接线 |
2.4 视频监控数据传递 |
2.5 研究对象的获取 |
2.6 本章小结 |
第3章 河域边界线的检测提取方法研究 |
3.1 图像灰度化 |
3.1.1 灰度化的概念 |
3.1.2 图像灰度化方法简介 |
3.1.3 加权平均值算法简介 |
3.1.4 加权平均值法与其他方法的对比 |
3.2 图像平滑处理 |
3.2.1 信号时域分解的卷积积分 |
3.2.2 邻域处理的基本概念 |
3.2.3 图像的简单平滑 |
3.2.4 高斯平滑处理 |
3.2.5 研究对象的高斯平滑与简单平滑对比 |
3.3 图像阈值分割二值化 |
3.3.1 阈值分割二值化概念 |
3.3.2 阈值分割方法分类 |
3.3.3 大津法求最佳阈值 |
3.4 种子区域填充 |
3.4.1 种子填充的概念 |
3.4.2 连通域内像素搜索 |
3.4.3 边界判断准则 |
3.5 图像的形态学处理 |
3.5.1 数学形态学 |
3.5.2 腐蚀与膨胀原理 |
3.5.3 结构元素与模板 |
3.5.4 开运算和闭运算 |
3.6 边缘检测 |
3.6.1 边缘检测的基本思想 |
3.6.2 经典边缘检测算子简介及总结 |
3.6.3 边缘检测算子的选择 |
3.7 本章小结 |
第4章 河域边界线提取实验 |
4.1 研究对象概况 |
4.2 河域边界线的提取实验过程 |
4.3 河域边界线的提取结果分析 |
4.4 本章小结 |
第5章 河域边界线的识别定位研究 |
5.1 河域边界线识别定位方法 |
5.1.1 相机成像中的坐标关系 |
5.1.2 局部区域内河域边界线的识别方法研究 |
5.2 测流截面内的河域边界线定位 |
5.3 本章小结 |
第6章 河域边界线的应用 |
6.1 河域测流点的布置 |
6.1.1 河域宽度计算 |
6.1.2 测流点的布置 |
6.2 河域边界线的其他应用 |
6.3 本章小结 |
第7章 总结与展望 |
7.1 总结 |
7.2 展望 |
参考文献 |
攻读学位期间取得的研究成果 |
致谢 |
(10)基于Android平台的网点图像边缘检测系统的设计与实现(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 图像边缘检测算法研究现状 |
1.2.2 中值滤波研究现状 |
1.2.3 网点测量技术研究现状 |
1.3 论文研究对象及内容 |
2 印刷网点图像边缘检测理论基础 |
2.1 图像边缘检测的基本理论 |
2.1.1 图像边缘检测定义 |
2.2 几种常用的边缘检测算法 |
2.2.1 Roberts边缘检测算法 |
2.2.2 Sobel边缘检测算法 |
2.2.3 Prewitt边缘检测算法 |
2.2.4 LOG边缘检测算法 |
2.2.5 Canny边缘检测算法 |
2.3 图像边缘检测的难点和算法优缺点比较 |
2.3.1 图像边缘检测的难点 |
2.3.2 图像边缘检测算法的优缺点比较 |
3 几种常用边缘检测算法的效果验证实验 |
3.1 几种常用边缘检测算法的实现 |
3.1.1 Roberts边缘检测算法的实现 |
3.1.2 Sobel边缘检测算法的实现 |
3.1.3 Prewitt边缘检测算法的实现 |
3.1.4 LOG边缘检测算法的实现 |
3.1.5 Canny边缘检测算法的实现 |
3.2 图像边缘检测算法性能客观评价指标 |
3.3 基于几种经典边缘检测算法的网点图像边缘检测 |
3.3.1 实验材料及过程 |
3.3.2 实验结果 |
3.3.3 实验分析 |
3.4 本章小结 |
4 基于自适应中值滤波的Canny边缘检测算法 |
4.1 印刷品网点图像灰度化处理 |
4.2 印刷品网点图像降噪 |
4.2.1 传统中值滤波 |
4.2.2 中值滤波的改进—自适应中值滤波 |
4.3 印刷品网点图像边缘提取 |
4.3.1 实验材料及过程 |
4.3.2 实验结果及分析 |
4.3.3 小结 |
4.4 本章小结 |
5 印刷品网点图像边缘检测系统的实现 |
5.1 Android平台简介 |
5.1.1 平台简介及特性 |
5.1.2 Android平台架构 |
5.2 网点图像边缘检测系统的实现 |
5.2.1 项目搭建 |
5.2.2 系统界面的实现 |
5.2.3 图像裁剪 |
5.2.4 系统图像处理机制 |
5.3 软件操作 |
5.4 仿真实验验证 |
5.4.1 测试工具 |
5.4.2 测试结果及分析 |
5.5 本章小结 |
6 结论 |
7 展望 |
参考文献 |
附录 印刷网点图像检测样品 |
作者攻读硕士学位期间取得的研究成果 |
四、关于图像边缘检测的 Laplace算子的改进(论文参考文献)
- [1]嵌入式图像处理平台在机器人快速堆叠系统中的应用研究[D]. 高金鹏. 西安理工大学, 2021(01)
- [2]基于改进HED网络的地震图像边缘检测方法研究[D]. 臧沙沙. 西安石油大学, 2021(09)
- [3]螺纹滚压机器视觉对刀系统的研究[D]. 樊云霞. 大连理工大学, 2021(01)
- [4]表格数据结构化转换方法的研究[D]. 郝泽兴. 内蒙古师范大学, 2021(08)
- [5]高精度图像测量系统研究[D]. 牛鹏磊. 齐鲁工业大学, 2021(10)
- [6]基于混合滤波算法的智能边缘检测技术研究与应用[D]. 丁登峰. 武汉纺织大学, 2021(08)
- [7]基于机器视觉的自动激光焊接系统研究与设计[D]. 白戎. 长春工业大学, 2021(08)
- [8]光学成像系统中的自动检焦技术研究[D]. 邹雨彤. 中国科学院大学(中国科学院光电技术研究所), 2021(08)
- [9]河域边界线实时视觉识别与应用[D]. 赵帮强. 太原理工大学, 2021(01)
- [10]基于Android平台的网点图像边缘检测系统的设计与实现[D]. 王文娟. 北京印刷学院, 2021(09)