| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·课题研究背景及意义 | 第7-8页 |
| ·国内外研究动态 | 第8-11页 |
| ·布匹瑕疵检测装置的研究现状 | 第8-9页 |
| ·布匹瑕疵检测算法研究现状 | 第9-11页 |
| ·本文研究任务及主要内容 | 第11-13页 |
| 第二章 布匹瑕疵检测系统整体方案设计 | 第13-19页 |
| ·布匹质量检测要求及算法分析 | 第13-14页 |
| ·检测要求 | 第13页 |
| ·算法分析 | 第13-14页 |
| ·系统整体方案设计 | 第14-18页 |
| ·硬件设备选择 | 第14-18页 |
| ·软件流程设计 | 第18页 |
| ·本章小结 | 第18-19页 |
| 第三章 图像预处理及阈值分割算法 | 第19-28页 |
| ·图像预处理 | 第19-23页 |
| ·图像滤波去噪 | 第19-21页 |
| ·图像锐化 | 第21页 |
| ·消除光照不均的影响 | 第21-23页 |
| ·图像的阈值分割 | 第23-27页 |
| ·Otsu阈值分割法 | 第24页 |
| ·二维Otsu分割法 | 第24-26页 |
| ·一维最小交叉熵值分割法 | 第26页 |
| ·Renyi熵分割法 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第四章 基于Gabor滤波器和神经网络的布匹瑕疵检测 | 第28-40页 |
| ·神经网络与小波神经网络模型 | 第28-30页 |
| ·神经网络模型 | 第28-29页 |
| ·小波神经网络模型 | 第29-30页 |
| ·Gabor滤波器 | 第30-32页 |
| ·Gabor滤波器的构建 | 第30-31页 |
| ·Gabor滤波对纹理的效果 | 第31-32页 |
| ·Levenberg-Marquardt优化算法 | 第32-33页 |
| ·Gabor滤波器和神经网络的改进结合 | 第33-36页 |
| ·算法描述 | 第33-34页 |
| ·算法流程 | 第34-35页 |
| ·检测图像及分析 | 第35-36页 |
| ·基于支持向量机的瑕疵分类 | 第36-39页 |
| ·特征提取 | 第36-38页 |
| ·支持向量机分类 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第五章 基于结构纹理分解的布匹瑕疵检测 | 第40-45页 |
| ·基于总变差模型的结构纹理分解 | 第40-41页 |
| ·改进的正则化总变差模型 | 第41-43页 |
| ·算法架构 | 第41-42页 |
| ·算法步骤 | 第42-43页 |
| ·布匹瑕疵的结构纹理分解 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 主要结论与展望 | 第45-47页 |
| 主要结论 | 第45页 |
| 展望 | 第45-47页 |
| 致谢 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第51页 |