第1章 绪论

1．1 表面质量检测概述

1．2 钢材表面缺陷检测技术深度研究的意义

1．3 钢材缺陷检测技术的发展现状

1．3．1 国外研究与应用

1．3．2 国内研究与应用

1．3．3 机器视觉钢材表面缺陷检测的发展趋势

第2章 钢材表面缺陷检测系统

2．1 钢材表面缺陷检测系统结构

2．1．1 钢材表面缺陷检测系统硬件构成

2．1．2 钢材表面缺陷图像处理算法框架

2．2 钢材表面缺陷图像的采集

2．2．1 照明光源

2．2．2 CCD

2．2．3 检测方式

2．2．4 钢材表面缺陷检测点位置

2．3 钢材缺陷图像的检测

2．3．1 图像预处理

2．3．2 边界识别

2．3．3 感兴趣区域检测

2．3．4 缺陷分割

2．4 钢材缺陷图像的识别与分析

2．4．1 特征提取

2．4．2 特征降维

2．4．3 图像分类

第3章 钢材目标图像边界检测方法

3．1 常见边界信号与典型钢材边界

3．2 基于线阵CCD边界检测的实现方法

3．2．1 固定阈值法

3．2．2 对比度匹配法

3．2．3 钢材边界跟踪

3．3 基于面阵CCD边界直线检测的典型方法

3．3．1 基于相位编组的直线检测算法

3．3．2 基于链码的直线检测算法

3．3．3 基于最小特征根的直线检测算法

3．3．4 基于Hough变换的直线检测算法

3．3．5 其他直线检测算法

3．4 钢材边界检测效果评价方法

3．5 多约束点记录Hough的钢材直线检测与跟踪方法

3．5．1 基于点记录的Hough直线检测算法

3．5．2 多约束条件下的钢材边界判定准则

3．5．3 边界搜索区域的建立

3．5．4 边界跟踪

3．5．5 边界图像恢复

3．6 基于高斯模型的动态钢材边界检测方法

3．6．1 边界检测的高斯模型

3．6．2 图像非均匀分布下的动态边界检测方法

3．6．3 钢材边界跟踪

3．7 边界稳定检测的辅助装置

3．8 工业应用与探讨

第4章 钢材表面缺陷图像检测方法

4．1 钢材表面缺陷图像检测流程

4．2 缺陷位置的感兴趣区域搜索

4．2．1 灰度标准化钢材表面感兴趣区域搜索方法

4．2．2 双阈值感兴趣区域提取方法

4．2．3 基于形态灰度包络的感兴趣区域提取

4．3 缺陷图像降噪方法

4．3．1 图像中的噪声

4．3．2 图像滤波器

4．4 缺陷图像边缘分割方法

4，4．1 基于Prewitt算子的边缘检测方法

4．4．2 分水岭分割算法

4．4．3 最大熵分割方法

4．4．4 图像分割方法的工业应用

4．5 缺陷标记与合并

第5章 钢材表面缺陷视觉图像及特征提取

5．1 钢材表面缺陷

5．2 热轧板带材表面典型缺陷、形貌及图像

5．2．1 热轧表面缺陷及其工业要求

5．2．2 缺陷图像与形貌

5．3 冷轧钢材表面典型缺陷、形貌及图像

5．3．1 酸洗／冷连轧钢材表面缺陷及其工业要求

5．3．2 缺陷图像与形貌

5．4 棒线材表面典型缺陷、形貌及图像

5．4．1 棒线材缺陷及其工业要求

5．4．2 缺陷图像与形貌

5．5 表面缺陷常用特征与计算方法

5．5．1 形状特征

5．5．2 颜色特征

5．5．3 位置特征

5．5．4 质心特征

第6章 钢材表面缺陷图像的降维

6．1 钢材表面缺陷图像特性分析

6．2 钢材表面缺陷典型降维方法

6．2．1 线性降维方法

6．2．2 非线性降维方法

6．2．3 典型降维方法对表面缺陷图像的适应性分析

6．3 基于监督双限制连接的图像降维方法

6．3．1 S-Isomap算法

6．3．2 dbl-Isomap算法

6．3．3 监督双限制连接Isomap算法

6．3．4 两类roll-swisss降维特性

6．3．5 增量样本降维算法

6．4 工业应用

第7章 钢材表面缺陷的分类

7．1 典型的图像分类方法

7．2 多级钢材表面缺陷分类方法

7．2．1 主观评价机制

7．2．2 主分类器

7．2．3 三级钢材表面缺陷分类系统

7．3 应用实例 7．3．1 热轧生产线的冷轧用热轧带钢表面缺陷图像分类 7．3．2 酸洗冷连轧无取向硅钢表面缺陷图像分类 7．3．3 结论 第8章 钢材表面缺陷成因诊断的探索 8．1 钢材表面缺陷成因诊断的思想 8．2 周期性缺陷诊断方法 8．2．1 周期性缺陷周期算法 8．2．2 周期性缺陷成因位置报警软件 8．3 诊断与分析软件 8．3．1 影响缺陷的工艺数据主成分分析方法 8．3．2 缺陷评级 8．4 小结 总结 参考文献 致谢

......

《计算机科学与技术前沿研究丛书：机器视觉表面缺陷检测技术及其在钢铁工业中的应用》系“计算机科学技术前沿研究丛书”中的第1本，主要介绍计算机机器视觉技术及其在钢材表面缺陷的应用所展开的研究与应用成果。其中，自适应高斯模型边界检测、双阈值感兴趣区域检测、监督双限制连接等距映射降维方法、多级图像分类器等一系列新的计算机图像检测、识别与分析方法的提出，提高了钢材表面缺陷检测各个环节准确率，并开拓了钢材表面缺陷成因和质量缺陷溯源的发展空间。

《计算机科学与技术前沿研究丛书：机器视觉表面缺陷检测技术及其在钢铁工业中的应用》充实了计算机视觉和无损检测的理论基础，也为高品质钢材制造带来了活力。

涓流成海，计算机科学与工业制造领域的深度交叉研究，为“中国制造2025”的大趋势注入新能量。