基于神经网络的织物疵点检测研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 课题背景及研究意义 | 第10-11页 |
| 1.2 研究现状及不足 | 第11-17页 |
| 1.2.1 国内外产品研究现状 | 第11-14页 |
| 1.2.2 疵点检测算法研究现状 | 第14-17页 |
| 1.3 本文研究内容及创新点 | 第17页 |
| 1.4 本文组织结构 | 第17-19页 |
| 第二章 织物疵点自动检测系统 | 第19-25页 |
| 2.1 织物疵点自动检测系统概述 | 第19-20页 |
| 2.2 织物疵点检测系统硬件选择 | 第20-22页 |
| 2.3 织物图像采集过程 | 第22-23页 |
| 2.4 织物图像处理过程 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 织物图像的预处理 | 第25-34页 |
| 3.1 织物疵点形成原因及分类 | 第25-26页 |
| 3.2 织物图像的预处理 | 第26-33页 |
| 3.2.1 灰度值调整 | 第26-29页 |
| 3.2.2 高斯滤波 | 第29-30页 |
| 3.2.3 小波去噪 | 第30-33页 |
| 3.3 本章小结 | 第33-34页 |
| 第四章 基于脉冲耦合神经网络的织物疵点检测 | 第34-46页 |
| 4.1 脉冲耦合神经网络 | 第34-38页 |
| 4.1.1 PCNN原理 | 第35-37页 |
| 4.1.2 PCNN在图像分割上的应用 | 第37-38页 |
| 4.2 基于粒子群算法优化PCNN的疵点检测 | 第38-42页 |
| 4.2.1 粒子群算法的原理 | 第38-41页 |
| 4.2.2 优化的PCNN的图像分割 | 第41-42页 |
| 4.3 实验结果及分析 | 第42-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 织物疵点的特征提取 | 第46-55页 |
| 5.1 特征提取 | 第46-50页 |
| 5.1.1 几何特征提取 | 第46-48页 |
| 5.1.2 纹理特征参数提取 | 第48-50页 |
| 5.2 基于主成分分析的特征选择 | 第50-54页 |
| 5.3 本章小结 | 第54-55页 |
| 第六章 基于神经网络的织物疵点分类 | 第55-67页 |
| 6.1 基于BP神经网络的分类 | 第55-61页 |
| 6.1.1 BP神经网络的结构 | 第55-56页 |
| 6.1.2 BP网络训练过程 | 第56-59页 |
| 6.1.3 BP网络训练及分类结果 | 第59-61页 |
| 6.2 基于概率神经网络的分类 | 第61-65页 |
| 6.2.1 概率神经网络的结构 | 第61-64页 |
| 6.2.2 概率网络训练及分类结果 | 第64-65页 |
| 6.3 两种分类方法对比及分析 | 第65-66页 |
| 6.4 本章小结 | 第66-67页 |
| 第七章 总结与展望 | 第67-69页 |
| 7.1 总结 | 第67页 |
| 7.2 展望 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 攻读硕士学位期间的科研成果 | 第74-75页 |
| 攻读硕士学位期间参与的科研项目 | 第75-76页 |
| 致谢 | 第76页 |
