基于灰度共生矩阵和视觉信息的布匹瑕疵检测方法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 布匹瑕疵识别的国内外研究综述 | 第10-15页 |
| 1.3 本文的主要内容与结构 | 第15-17页 |
| 1.3.1 本文的主要内容 | 第15-16页 |
| 1.3.2 本文的结构 | 第16-17页 |
| 第二章 相关知识介绍 | 第17-31页 |
| 2.1 布匹疵点描述 | 第17-19页 |
| 2.1.1 布匹疵点分类 | 第17-18页 |
| 2.1.2 布匹疵点数据库 | 第18-19页 |
| 2.2 瑕疵图像预处理 | 第19-26页 |
| 2.2.1 高斯滤波 | 第19-21页 |
| 2.2.2 双边滤波 | 第21-22页 |
| 2.2.3 形态学滤波 | 第22-25页 |
| 2.2.4 直方图均衡化 | 第25-26页 |
| 2.2.5 预处理方法的选择 | 第26页 |
| 2.3 视觉显著性 | 第26-29页 |
| 2.3.1 人眼视觉的生理结构 | 第27-28页 |
| 2.3.2 视觉显著性模型 | 第28-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第三章 基于图像分块的灰度共生矩阵布匹瑕疵检测 | 第31-45页 |
| 3.1 灰度共生矩阵 | 第31-34页 |
| 3.1.1 灰度共生矩阵的构造 | 第31-32页 |
| 3.1.2 灰度共生矩阵的特征提取 | 第32-34页 |
| 3.2 图像分块处理 | 第34-35页 |
| 3.3 基于图像分块的灰度共生矩阵瑕疵检测 | 第35-37页 |
| 3.3.1 算法基本思路 | 第36页 |
| 3.3.2 算法描述 | 第36-37页 |
| 3.4 实验结果及分析 | 第37-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于改进视觉显著性的布匹瑕疵检测 | 第45-61页 |
| 4.1 视觉显著性计算 | 第45-47页 |
| 4.1.1 视觉显著性计算框架 | 第45-46页 |
| 4.1.2 视觉显著性滤波 | 第46-47页 |
| 4.2 超像素分割 | 第47-49页 |
| 4.2.1 超像素分割概述 | 第48页 |
| 4.2.2 SLIC | 第48-49页 |
| 4.3 基于改进视觉显著性布匹瑕疵检测 | 第49-53页 |
| 4.3.1 自底向上特征提取 | 第50页 |
| 4.3.2 算法基本思路 | 第50-51页 |
| 4.3.3 算法描述 | 第51-53页 |
| 4.4 实验结果与分析 | 第53-59页 |
| 4.5 本章小结 | 第59-61页 |
| 第五章 布匹瑕疵检测原型系统的设计与实现 | 第61-69页 |
| 5.1 系统开发环境 | 第61页 |
| 5.1.1 硬件环境 | 第61页 |
| 5.1.2 软件环境 | 第61页 |
| 5.2 系统整体框架 | 第61-63页 |
| 5.2.1 系统操作环节分析 | 第61-62页 |
| 5.2.2 系统框架设计 | 第62-63页 |
| 5.3 系统功能模块 | 第63-66页 |
| 5.3.1 图像数据加载模块 | 第63-64页 |
| 5.3.2 图像预处理模块 | 第64-65页 |
| 5.3.3 瑕疵检测与判断模块 | 第65-66页 |
| 5.3.4 瑕疵定位模块 | 第66页 |
| 5.4 系统运行效果说明 | 第66-67页 |
| 5.5 本章小结 | 第67-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 总结 | 第69-70页 |
| 6.2 展望 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 致谢 | 第74-75页 |
| 攻读硕士学位期间的研究成果 | 第75页 |
