| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题研究背景及意义 | 第9页 |
| 1.3 国内外研究现状及发展情况 | 第9-13页 |
| 1.3.1 织物疵点检测算法综述 | 第10页 |
| 1.3.2 国内外研究现状和发展情况 | 第10-13页 |
| 1.4 论文的章节安排 | 第13-15页 |
| 2 基于卷积匹配追踪双重字典的织物疵点检测 | 第15-31页 |
| 2.1 织物疵点检测算法整体设计 | 第15-16页 |
| 2.2 织物疵点检测算法流程 | 第16-18页 |
| 2.2.1 均值降采样算法 | 第16-18页 |
| 2.3 卷积稀疏表示模型的构建 | 第18-22页 |
| 2.3.1 基于卷积匹配追踪的卷积字典学习 | 第18-19页 |
| 2.3.2 基于Gabor的K-SVD小规模字典学习 | 第19-21页 |
| 2.3.3 基于双重字典的织物疵点检测 | 第21-22页 |
| 2.4 实验结果及分析 | 第22-29页 |
| 2.4.1 实验详述 | 第22页 |
| 2.4.2 检测结果及分析 | 第22-29页 |
| 2.5 本章小结 | 第29-31页 |
| 3 基于ADMG图像分解的织物疵点检测 | 第31-45页 |
| 3.1 织物疵点检测算法整体设计 | 第31页 |
| 3.2 直方图均衡化预处理 | 第31-33页 |
| 3.3 ADMG的图像分解 | 第33-38页 |
| 3.3.1 ADMG算法 | 第33-35页 |
| 3.3.2 图像分解 | 第35-36页 |
| 3.3.3 相关相似性最大化 | 第36-37页 |
| 3.3.4 织物图像增强 | 第37-38页 |
| 3.4 实验结果与分析 | 第38-43页 |
| 3.5 本章小结 | 第43-45页 |
| 4 基于Gabor和KPCA的织物疵点检测算法 | 第45-55页 |
| 4.1 织物疵点检测算法整体设计 | 第45页 |
| 4.2 多通道Gabor滤波器组 | 第45-47页 |
| 4.3 KPCA非线性降维算法 | 第47-49页 |
| 4.4 织物图像校正过程 | 第49-50页 |
| 4.5 实验结果及分析 | 第50-54页 |
| 4.6 本章小结 | 第54-55页 |
| 5 织物疵点检测硬件平台搭建及软件界面测试 | 第55-65页 |
| 5.1 织物自动检测系统 | 第55-63页 |
| 5.1.1 织物自动检测系统硬件平台选取及搭建 | 第55-59页 |
| 5.1.2 基于LabVIEW和MATLAB软件用户操作界面 | 第59-63页 |
| 5.2 本章小结 | 第63-65页 |
| 6 总结与展望 | 第65-67页 |
| 6.1 全文总结 | 第65-66页 |
| 6.2 课题展望 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 作者攻读学位期间学术成果清单 | 第73-75页 |
| 致谢 | 第75页 |