图像分割以及识别技术在帘子布疵点检测中的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1. 绪论 | 第9-15页 |
| ·课题研究背景以及意义 | 第9-10页 |
| ·织物自动检测系统的国内外研究现状 | 第10-12页 |
| ·国外研究现状 | 第10-11页 |
| ·国内研究现状 | 第11-12页 |
| ·课题的来源、目的和意义 | 第12页 |
| ·本文研究的主要内容 | 第12-13页 |
| ·课题总体方案的描述 | 第12-13页 |
| ·网状织物疵点图像的采集 | 第13页 |
| ·图像处理 | 第13页 |
| ·本文处理的帘子布疵点类型 | 第13-14页 |
| ·本文研究的主要内容 | 第14-15页 |
| 2. 图像分割 | 第15-28页 |
| ·对于帘子布疵点图像特征的分析 | 第15-17页 |
| ·图像分割算法 | 第17-24页 |
| ·经典Otsu | 第17-18页 |
| ·基于统计学理论的阈值曲面方法的构建 | 第18-19页 |
| ·PCNN 基本模型 | 第19-22页 |
| ·实验结果以及结论 | 第22-24页 |
| ·针对疵点缺陷聚类的算法 | 第24-27页 |
| ·本章小结 | 第27-28页 |
| 3. 图像特征提取 | 第28-32页 |
| ·常规特征表述 | 第28-30页 |
| ·不变矩 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 4. 图像分类识别 | 第32-40页 |
| ·帘子布疵点类型 | 第32页 |
| ·基于BP 神经网络的帘子布疵点分类器的设计 | 第32-36页 |
| ·BP 神经网络数学模型 | 第33-34页 |
| ·分类器的具体设计 | 第34-35页 |
| ·神经网络的计算 | 第35-36页 |
| ·基于SVM | 第36-38页 |
| ·SVM 概述 | 第36-37页 |
| ·SVM 多分类问题的解决 | 第37-38页 |
| ·实验结果以及结 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 5. 结论与展望 | 第40-41页 |
| ·本文的主要成果 | 第40页 |
| ·存在问题与展望 | 第40-41页 |
| 参考文献 | 第41-46页 |
| 附录：硕士研究生学习阶段发表论文 | 第46-47页 |
| 致谢 | 第47-48页 |
