| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1.绪论 | 第9-14页 |
| 1.1 课题研究背景与课题来源 | 第9-11页 |
| 1.2 国内外研究现状和存在的问题 | 第11-12页 |
| 1.3 本文主要研究内容 | 第12-14页 |
| 2. 帘子布图像疵点检测方法 | 第14-29页 |
| 2.1 织物纹理结构与织物疵点 | 第14-15页 |
| 2.2 疵点检测空间域方法 | 第15-20页 |
| 2.2.1 灰度直方图检测方法 | 第15-17页 |
| 2.2.2 基于物理特征帘子布疵点检测 | 第17-19页 |
| 2.2.3 基于区域阈值分割的检测方法 | 第19-20页 |
| 2.3 疵点检测的频域方法 | 第20-24页 |
| 2.3.1 基于傅里叶变换的图像疵点检测方法 | 第20-21页 |
| 2.3.2 基于Gabor小波滤波器的疵点检测方法 | 第21-23页 |
| 2.3.3 基于形态学滤波器的疵点识别方法 | 第23-24页 |
| 2.4 仿真与结果 | 第24-28页 |
| 2.5 本章小结 | 第28-29页 |
| 3.帘子布疵点图像的欠定稀疏性与范数优化算法 | 第29-42页 |
| 3.1 帘子布图像的欠定稀疏性 | 第29-32页 |
| 3.1.1 压缩感知理论简介 | 第29页 |
| 3.1.2 疵点图像的稀疏性理论 | 第29-32页 |
| 3.2 向量范数优化算法 | 第32-38页 |
| 3.2.1 观测矩阵的讨论 | 第33页 |
| 3.2.2 经典图像重建算法 | 第33-36页 |
| 3.2.3 加权(?)~0范数算法 | 第36-38页 |
| 3.3 仿真与结果 | 第38-40页 |
| 3.4 本章小结 | 第40-42页 |
| 4.帘子布疵点图像分类器设计 | 第42-59页 |
| 4.1 分类器研究 | 第42-44页 |
| 4.1.1 分类器的设计 | 第42-43页 |
| 4.1.2 分类器影响因素及性能标准 | 第43-44页 |
| 4.2 特征提取 | 第44-49页 |
| 4.2.1 K-L变换 | 第44-45页 |
| 4.2.2 二维主成分分析法（2DPCA） | 第45-47页 |
| 4.2.3 二维线性判别分析（2DLDA ） | 第47页 |
| 4.2.4 二维局部保持映射算法（2DLPP） | 第47-49页 |
| 4.3 分类算法 | 第49-52页 |
| 4.3.1 几种典型的分类器 | 第49-50页 |
| 4.3.2 加权(?)~0范数优化算法分类器 | 第50-52页 |
| 4.4 流形学习和本征维数估计 | 第52-53页 |
| 4.5 多级分类器设计 | 第53-55页 |
| 4.5.1 多级分类器组合 | 第53-54页 |
| 4.5.2 特征提取与分类器组合 | 第54-55页 |
| 4.6 仿真与结果 | 第55-58页 |
| 4.6.1 实验软硬件环境以及数据库介绍 | 第55页 |
| 4.6.2 分类器分类实验 | 第55-58页 |
| 4.7 本章小结 | 第58-59页 |
| 5.总结与展望 | 第59-61页 |
| 5.1 全文总结 | 第59页 |
| 5.2 工作展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 附录：硕士研究生学习阶段发表论文 | 第65-66页 |
| 致谢 | 第66-67页 |