| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·研究的背景及意义 | 第9页 |
| ·目前国内外的研究现状 | 第9-13页 |
| ·自相关函数方法 | 第9-10页 |
| ·傅里叶变换方法 | 第10-11页 |
| ·小波分析方法 | 第11页 |
| ·贝叶斯方法 | 第11-12页 |
| ·模糊聚类分析法 | 第12页 |
| ·基元特征模式匹配识别法 | 第12页 |
| ·神经网络方法 | 第12-13页 |
| ·共生矩阵 | 第13页 |
| ·主要研究内容及方案 | 第13-15页 |
| ·研究内容 | 第13页 |
| ·研究方案 | 第13-14页 |
| ·关键技术 | 第14页 |
| ·论文的创新点 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 第二章 嗅觉神经网络 | 第16-44页 |
| ·人工神经网络 | 第16-18页 |
| ·神经元模型 | 第16-17页 |
| ·网络拓扑结构 | 第17-18页 |
| ·网络的训练(学习)方法 | 第18页 |
| ·嗅觉神经网络模型 | 第18-43页 |
| ·嗅觉神经网络模型的发展历程简介 | 第19-20页 |
| ·嗅觉神经网络K 系列模型及改进 | 第20-42页 |
| ·嗅觉神经网络K 系列模型的数学基础 | 第20-21页 |
| ·嗅觉神经网络K0 模型新特性研究 | 第21-24页 |
| ·嗅觉神经网络KI 模型新特性研究 | 第24-30页 |
| ·嗅觉神经网络KII 模型新特性研究 | 第30-34页 |
| ·嗅觉神经网络KIII 模型新特性研究及改进 | 第34-42页 |
| ·嗅觉神经网络KIII 模型学习规则 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第三章 图像预处理 | 第44-49页 |
| ·图像灰度化 | 第44页 |
| ·图像平滑 | 第44-45页 |
| ·图像增强 | 第45-47页 |
| ·空间域图像增强 | 第45-46页 |
| ·频域图像增强 | 第46页 |
| ·傅里叶变换 | 第46页 |
| ·小波变换 | 第46-47页 |
| ·二值化 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 利用嗅觉神经网络KIII 模型进行织物组织识别 | 第49-57页 |
| ·织物组织图像的采集与预处理 | 第49页 |
| ·织物组织组织点提取 | 第49-51页 |
| ·基于嗅觉神经网络KIII 模型进行织物组织识别 | 第51-54页 |
| ·改进预处理方法 | 第54-55页 |
| ·复杂变化组织的识别 | 第55-56页 |
| ·本章小节 | 第56-57页 |
| 第五章 结论与展望 | 第57-60页 |
| ·实验过程与结果分析 | 第57-59页 |
| ·前景展望 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 附录 | 第65-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间的研究成果 | 第73页 |