| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-21页 |
| 1.1 课题研究背景和意义 | 第10-11页 |
| 1.2 织物瑕疵检测系统的应用现状 | 第11页 |
| 1.3 织物瑕疵检测算法的研究现状 | 第11-15页 |
| 1.3.1 基于空间统计的方法 | 第12-13页 |
| 1.3.2 基于频谱分析的方法 | 第13-14页 |
| 1.3.3 基于模型的方法 | 第14-15页 |
| 1.4 视觉显著性模型理论的研究现状 | 第15-18页 |
| 1.4.1 视觉显著性模型概述 | 第15-16页 |
| 1.4.2 使用内在线索和外在线索的分析方法 | 第16-18页 |
| 1.5 本文主要研究内容 | 第18-21页 |
| 1.5.1 现存的技术难点 | 第18页 |
| 1.5.2 本文研究内容 | 第18-19页 |
| 1.5.3 本文的组织结构 | 第19-20页 |
| 1.5.4 本文创新点 | 第20-21页 |
| 第二章 织物瑕疵检测系统 | 第21-26页 |
| 2.1 织物瑕疵检测系统的总体结构 | 第21-24页 |
| 2.1.1 织物瑕疵检测系统的硬件构成 | 第21-22页 |
| 2.1.2 织物图像的采集设备 | 第22页 |
| 2.1.3 摄像机-计算机接口 | 第22-23页 |
| 2.1.4 上位机图像采集软件 | 第23-24页 |
| 2.2 织物瑕疵检测系统的软件设计 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 织物图像的预处理 | 第26-33页 |
| 3.1 光照校正 | 第26-30页 |
| 3.1.1 常用的光照不均处理算法 | 第26-27页 |
| 3.1.2 基于多尺度Retinex的光照不均处理算法 | 第27-30页 |
| 3.2 图像增强 | 第30-31页 |
| 3.3 图像去噪 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 织物的瑕疵区域的检测与分割 | 第33-48页 |
| 4.1 主成分分析法 | 第33-36页 |
| 4.1.1 主成分分析法在图像中的应用 | 第33-34页 |
| 4.1.2 PCA方法在本文中的实例化 | 第34-36页 |
| 4.2 基于上下文视觉显著性模型的织物瑕疵检测 | 第36-38页 |
| 4.2.1 显著性模型的考虑因素 | 第36-37页 |
| 4.2.2 基于上下文显著性模型的定义 | 第37-38页 |
| 4.3 基于OTSU算法的织物瑕疵分割 | 第38-39页 |
| 4.4 织物瑕疵检测效果评价方法 | 第39-41页 |
| 4.5 瑕疵检测与分割实验 | 第41-47页 |
| 4.5.1 实验样本与实验平台 | 第41页 |
| 4.5.2 本文算法的瑕疵检测与分割实验 | 第41-45页 |
| 4.5.3 对比实验 | 第45-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第五章 织物瑕疵区域的特征提取与分类 | 第48-61页 |
| 5.1 织物瑕疵的特征提取 | 第48-49页 |
| 5.2 纹理特征 | 第49-52页 |
| 5.2.1 灰度共生矩阵原理 | 第49-51页 |
| 5.2.2 灰度共生矩阵的统计特性 | 第51-52页 |
| 5.3 几何特征 | 第52-55页 |
| 5.4 分类器 | 第55-57页 |
| 5.5 特征提取与分类实验 | 第57-60页 |
| 5.5.1 特征提取 | 第57-58页 |
| 5.5.2 分类器训练 | 第58-60页 |
| 5.6 本章小结 | 第60-61页 |
| 第六章 总结和展望 | 第61-63页 |
| 6.1 本文工作总结 | 第61页 |
| 6.2 研究方向展望 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 攻读硕士学位期间的科研成果 | 第69-70页 |
| 攻读硕士学位期间参与的科研项目 | 第70-71页 |
| 致谢 | 第71页 |