鋼材表面銹蝕圖像檢測與處理

第1章  緒論 7
1.1 金屬腐蝕與銹蝕的定義 7
1.1.1金屬腐蝕與銹蝕的定義 7
1.1.2金屬腐蝕的分類 7
1.1.3  金屬銹蝕危害 8
1.2 金屬銹蝕原理 9
1.2.1 電化學銹蝕 9
1.2.2金屬銹蝕的主要影響因素 11
1.3  鋼材表面銹蝕試驗 13
1.3.1 自然環(huán)境下鋼材表面銹蝕試驗 14
1.3.2 實驗室環(huán)境下鋼材表面銹蝕試驗 15
1.3.3 周期噴霧復合腐蝕試驗案例 16
1.4  本章小結 18
第2章  銹蝕形態(tài)及銹蝕檢測技術 19
2.1  銹蝕形態(tài)與特征 19
2.1.1 銹蝕形態(tài) 19
2.1.2 常用金屬的銹蝕特征 20
2.2  傳統(tǒng)銹蝕檢測技術 20
2.2.1 物理檢測方法 21
2.2.2 電化學檢測方法 21
2.2.3 無損檢測方法 22
2.3  銹蝕圖像檢測技術 23
2.3.1 銹蝕圖像檢測的基本流程 24
2.3.2 銹蝕圖像的常規(guī)檢測項目 24
2.3.3 銹蝕圖像的常用處理方法 25
2.4  本章小結 27
第3章  銹蝕圖像采集的硬件組成 28
3.1 圖像傳感器 28
3.1.1 CCD圖像傳感器 29
3.1.2 CMOS圖像傳感器 30
3.1.3 圖像傳感器的基本參數(shù) 31
3.2 鏡頭 32
3.2.1 視場角 32
3.2.2 焦距 33
3.3 光源 33
3.4 圖像采集卡 36
3.5  本章小結 37
第4章  銹蝕圖像的數(shù)據(jù)壓縮方法 38
4.1 基于主成分分析的銹蝕圖像壓縮 38
4.1.1 主成分分析基礎理論 38
4.1.2 基于主成分分析的銹蝕圖像壓縮實例 40
4.2 基于小波變換的銹蝕圖像壓縮 47
4.2.1 小波變換圖像壓縮理論 47
4.2.2 基于小波變換的銹蝕圖像壓縮實例 50
4.3 基于小波與嵌入式零樹編碼的銹蝕圖像壓縮 55
4.3.1 基本理論 55
4.3.2 流程步驟 56
4.3.3 案例分析 57
4.4 本章小結 61
第5章  銹蝕圖像的特征增強方法 62
5.1銹蝕圖像的顏色空間轉換 62
5.1.1 顏色空間轉換的理論基礎 62
5.2 空間域銹蝕圖像特征增強 64
5.2.1 直方圖均衡化 64
5.2.2 Gamma校正 65
5.3 頻率域銹蝕圖像特征增強 66
5.3.1 小波圖像特征增強原理 66
5.3.2 同態(tài)濾波圖像特征增強原理 71
5.4 Retinex理論的銹蝕圖像特征增強 73
5.4.1 基礎理論 73
5.5 銹蝕圖像特征增強的評價指標 74
5.6 銹蝕圖像特征增強實例 75
5.7 本章小結 86
第6章  銹蝕圖像的目標區(qū)域分割 87
6.1圖像分割概述 87
6.1.1圖像分割的定義 87
6.1.2 圖像分割方法 88
6.1.3 圖像分割的評價指標 89
6.2 銹蝕區(qū)域分割的深度學習模型 90
6.3本章小結 102
第7章  銹蝕目標圖像的銹蝕等級評估 104
7.1 銹蝕等級評估的理論基礎 104
7.2 銹蝕等級評估的深度學習模型 107
7.2.1 卷積神經網絡基礎理論 107
7.2.2 基于卷積神經網絡VGG16的銹蝕等級評估模型 109
7.3 銹蝕等級評估的應用案例 111
7.3.1 銹蝕等級評估流程 111
7.3.2 銹蝕等級評估 111
7.4 本章小結 120
第8章  銹蝕圖像檢測系統(tǒng)設計及應用 121
8.1 銹蝕圖像檢測軟件的功能框架 121
8.2 銹蝕圖像檢測軟件的工作流程 122
8.3 銹蝕圖像檢測軟件交互界面設計 123
8.3.1 主界面 123
8.3.2 銹蝕圖像采集界面 124
8.3.3 銹蝕圖像的預處理界面 126
8.3.4 銹蝕區(qū)域分割界面 129
8.3.5 銹蝕等級評估界面 132
8.4 銹蝕圖像檢測軟件的功能測試 134
8.4.1 銹蝕圖像采集與壓縮功能測試 134
8.4.2 銹蝕圖像預處理功能測試 135
8.4.3 銹蝕區(qū)域分割功能測試 137
8.4.4 銹蝕等級評估功能測試 139
8.4.5 用戶管理功能測試 140
8.5 本章小結 141
參考文獻 142