| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 1 绪论 | 第9-17页 |
| 1.1 课题来源 | 第9页 |
| 1.2 研究背景和意义 | 第9-10页 |
| 1.3 研究现状 | 第10-14页 |
| 1.3.1 织物在线验布系统 | 第10-12页 |
| 1.3.2 缺陷检测算法 | 第12-14页 |
| 1.4 研究内容及关键技术 | 第14-15页 |
| 1.5 论文总体结构 | 第15-17页 |
| 2 基于视觉的织机在线验布系统相机减振器设计 | 第17-27页 |
| 2.1 引言 | 第17页 |
| 2.2 基于视觉的织机在线验布系统框架 | 第17-19页 |
| 2.2.1 图像采集模块 | 第18-19页 |
| 2.2.2 缺陷检测模块 | 第19页 |
| 2.3 相机减振器设计 | 第19-21页 |
| 2.3.1 相机减振器模型 | 第19-20页 |
| 2.3.2 相机减振器原理 | 第20-21页 |
| 2.4 系统仿真实验结果及结论 | 第21-24页 |
| 2.5 小结 | 第24-27页 |
| 3 基于局部归一化和自适应权重Otsu算法的织物缺陷检测 | 第27-39页 |
| 3.1 引言 | 第27-28页 |
| 3.2 局部归一化技术 | 第28-30页 |
| 3.3 图像预处理 | 第30-31页 |
| 3.3.1 FFT和IFFT | 第30-31页 |
| 3.3.2 二阶巴特沃斯低通滤波器 | 第31页 |
| 3.4 自适应权重Otsu算法 | 第31-36页 |
| 3.4.1 Otsu算法 | 第31-33页 |
| 3.4.2 谷值加权Otsu算法 | 第33-35页 |
| 3.4.3 自适应权重Otsu算法 | 第35-36页 |
| 3.5 实验结果与分析 | 第36-38页 |
| 3.6 小结 | 第38-39页 |
| 4 基于非下采样轮廓波变换和朴素贝叶斯分类器的织物缺陷检测 | 第39-49页 |
| 4.1 引言 | 第39页 |
| 4.2 特征提取 | 第39-43页 |
| 4.2.1 轮廓波变换 | 第39-40页 |
| 4.2.2 非下采样轮廓波变换 | 第40-41页 |
| 4.2.3 广义高斯分布混合模型 | 第41-42页 |
| 4.2.4 相对熵 | 第42-43页 |
| 4.3 缺陷检测 | 第43页 |
| 4.3.1 朴素贝叶斯分类器 | 第43页 |
| 4.4 算法流程 | 第43-45页 |
| 4.5 实验结果与分析 | 第45-48页 |
| 4.6 小结 | 第48-49页 |
| 5 总结与展望 | 第49-51页 |
| 5.1 全文总结 | 第49-50页 |
| 5.2 课题展望 | 第50-51页 |
| 参考文献 | 第51-57页 |
| 作者攻读学位期间发表论文清单 | 第57-59页 |
| 致谢 | 第59页 |