| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第一章 绪论 | 第12-17页 |
| ·本文研究背景 | 第12页 |
| ·国内外研究现状 | 第12-15页 |
| ·织物折皱性能的研究 | 第12-13页 |
| ·图像处理技术在平整度评价中的应用 | 第13-14页 |
| ·研究总结与不足 | 第14-15页 |
| ·研究内容、创新点及意义 | 第15-17页 |
| ·研究内容 | 第15-16页 |
| ·创新点 | 第16页 |
| ·研究意义 | 第16-17页 |
| 第二章 织物折皱回复角的测试研究 | 第17-25页 |
| ·实验 | 第17-18页 |
| ·结果与讨论 | 第18-24页 |
| ·各向折皱回复角的组间与组内偏差平方和比较 | 第18-20页 |
| ·各向折皱回复角的方差显著性分析 | 第20页 |
| ·各向折皱回复角综合评价指标的提取 | 第20-23页 |
| ·综合折皱回复角的预测模型 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 服装穿着起皱实验与分析 | 第25-31页 |
| ·服装起皱实验及图像获取 | 第25-27页 |
| ·服装起皱实验 | 第25-26页 |
| ·图像获取 | 第26-27页 |
| ·折皱程度的主观评价 | 第27-30页 |
| ·等级评价法 | 第27-28页 |
| ·成对比积分法 | 第28-29页 |
| ·等级评价法与对比积分法对比 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 服装折皱图像处理与分析 | 第31-56页 |
| ·基于分数微分算法的折皱特征参数提取 | 第31-41页 |
| ·与整数微分算法的比较 | 第31-34页 |
| ·基于分数微分算法的卷积滤波 | 第34-37页 |
| ·基于分数微分卷积滤波的折皱特征参数提取 | 第37-40页 |
| ·折皱特征参数与对比积分、综合折皱回复角的相关性 | 第40-41页 |
| ·基于Gabor变换的折皱特征参数提取 | 第41-46页 |
| ·Gabor变换的定义 | 第41-42页 |
| ·Gabor最优滤波器的融合 | 第42-45页 |
| ·Gabor熵值与对比积分、折皱回复角的相关性 | 第45-46页 |
| ·基于小波变换的折皱特征参数提取 | 第46-50页 |
| ·小波变换的定义 | 第46-47页 |
| ·多层小波变换的折皱特征参数提取 | 第47-49页 |
| ·折皱特征参数与对比积分、综合折皱回复角的相关性 | 第49-50页 |
| ·折皱特征参数与综合折皱回复角、对比积分的拟合模型 | 第50-53页 |
| ·与综合折皱回复角的拟合模型 | 第50-52页 |
| ·与对比积分的拟合模型 | 第52-53页 |
| ·基于自组织特征映射神经网络的折皱特征参数聚类 | 第53-54页 |
| ·本章小结 | 第54-56页 |
| 第五章 服装折皱等级预测系统的开发 | 第56-66页 |
| ·神经网络训练与测试 | 第56-61页 |
| ·RBF神经网络概述 | 第56-57页 |
| ·粒子群(PSO)优化算法概述 | 第57-58页 |
| ·RBF神经网络与PSORBF神经网络训练测试的对比分析 | 第58-60页 |
| ·输入节点个数对测试结果的影响 | 第60-61页 |
| ·MATLAB的图形用户界面设计 | 第61-65页 |
| ·综合折皱回复角及服装折皱客观特征参数的预测 | 第63-64页 |
| ·PSORBF神经网络服装折皱等级预测 | 第64-65页 |
| ·服装折皱等级预测系统检验 | 第65页 |
| ·本章小结 | 第65-66页 |
| 第六章 结论与展望 | 第66-68页 |
| ·结论 | 第66-67页 |
| ·不足与展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 附录 | 第72-98页 |
| 附录1 试样规格参数 | 第72-74页 |
| 附录2 不同方向的折皱回复角及平均值 | 第74-84页 |
| 附录3 专家主观等级评定 | 第84-88页 |
| 附录4 对比积分结果 | 第88-90页 |
| 附录5 服装穿着折皱图像 | 第90-93页 |
| 附录6 服装穿着折皱特征值参数 | 第93-97页 |
| 附录7 自组织神经网络折皱特征参数聚类结果 | 第97-98页 |
| 攻读学位期间的研究成果 | 第98-99页 |
| 致谢 | 第99页 |