| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 织物疵点检测算法的研究现状 | 第10-11页 |
| 1.2.2 低秩分解显著性目标检测算法的研究现状 | 第11-12页 |
| 1.3 本文的主要工作 | 第12-14页 |
| 1.4 本文的结构安排 | 第14-15页 |
| 2 基于多通道特征矩阵联合低秩表示的织物疵点检测算法 | 第15-31页 |
| 2.1 二阶多通道特征提取 | 第15-19页 |
| 2.1.1 二阶梯度图计算 | 第16-17页 |
| 2.1.2 基于P型神经节细胞编码方式的特征提取 | 第17-19页 |
| 2.1.3 多通道特征矩阵生成 | 第19页 |
| 2.2 联合低秩表示模型的构建及优化求解 | 第19-23页 |
| 2.2.1 联合低秩表示模型的构建 | 第19-21页 |
| 2.2.2 模型的优化求解 | 第21-23页 |
| 2.3 显著图生成与分割 | 第23页 |
| 2.4 实验结果及分析 | 第23-30页 |
| 2.4.1 定性分析 | 第24-28页 |
| 2.4.2 定量分析 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 3 基于多通道特征张量低秩分解的织物疵点检测算法 | 第31-42页 |
| 3.1 张量符号和基本定义 | 第31-34页 |
| 3.2 所提算法 | 第34-36页 |
| 3.2.1 TRPCA模型构建 | 第34-35页 |
| 3.2.2 模型优化求解 | 第35-36页 |
| 3.2.3 显著图生成和分割 | 第36页 |
| 3.3 实验结果及分析 | 第36-41页 |
| 3.4 本章小结 | 第41-42页 |
| 4 基于级联低秩分解的织物疵点检测算法 | 第42-58页 |
| 4.1 所提算法 | 第42-46页 |
| 4.1.1 图像分割和特征提取 | 第42-44页 |
| 4.1.2 级联低秩分解模型构建 | 第44-45页 |
| 4.1.3 模型优化求解 | 第45-46页 |
| 4.1.4 显著图生成与分割 | 第46页 |
| 4.2 实验结果与分析 | 第46-52页 |
| 4.2.1 定性分析 | 第47-50页 |
| 4.2.2 定量分析 | 第50-52页 |
| 4.3 本文所提三种方法的比较 | 第52-56页 |
| 4.3.1 定性分析 | 第52-55页 |
| 4.3.2 定量分析 | 第55-56页 |
| 4.4 本章小结 | 第56-58页 |
| 5 总结与展望 | 第58-59页 |
| 5.1 本文工作总结 | 第58页 |
| 5.2 后续工作及展望 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 附录：硕士研究生学习阶段发表论文 | 第64-65页 |
| 致谢 | 第65页 |