摘要 | 第3-4页 |
ABSTRACT | 第4页 |
第一章 绪论 | 第9-13页 |
1.1 课题背景与研究意义 | 第9-10页 |
1.2 国内外已有相关研究成果 | 第10-11页 |
1.2.1 瑕疵检测 | 第10页 |
1.2.2 瑕疵分类 | 第10-11页 |
1.3 本文研究内容 | 第11页 |
1.4 本文结构安排 | 第11-13页 |
第二章 瑕疵区域检测 | 第13-16页 |
2.1 引言 | 第13页 |
2.2 瑕疵样本原始输入 | 第13-14页 |
2.3 检测定位方法介绍 | 第14页 |
2.4 本章小结 | 第14-16页 |
第三章 瑕疵区域特征提取 | 第16-30页 |
3.1 引言 | 第16页 |
3.2 LAB 颜色特征 | 第16-18页 |
3.2.1 LAB 的表示 | 第16-17页 |
3.2.2 LAB 颜色空间的特点 | 第17页 |
3.2.3 LAB 颜色空间与普通 RGB 颜色空间的转换 | 第17-18页 |
3.3 SIFT 描述子 | 第18-26页 |
3.3.1 SIFT 简介 | 第18-19页 |
3.3.2 SIFT 关键点检测 | 第19-23页 |
3.3.3 SIFT 关键点方向 | 第23-24页 |
3.3.4 SIFT 关键点描述子的构造 | 第24-25页 |
3.3.5 SIFT 特征点匹配 | 第25-26页 |
3.4 HOG 形状特征 | 第26-29页 |
3.4.1 HOG 简介 | 第26页 |
3.4.2 HOG 计算过程 | 第26-29页 |
3.5 本章小结 | 第29-30页 |
第四章 字典学习与特征编码 | 第30-41页 |
4.1 引言 | 第30-31页 |
4.2 词袋模型 | 第31-35页 |
4.2.1 BoW 简介 | 第31-32页 |
4.2.2 BoW 中的特征表示 | 第32页 |
4.2.3 BoW 中的字典学习 | 第32-34页 |
4.2.4 BoW 中的特征编码 | 第34-35页 |
4.3 LLC 编码 | 第35-40页 |
4.3.1 矢量量化编码(VQ) | 第35-36页 |
4.3.2 空间金字塔稀疏编码(ScSPM) | 第36-37页 |
4.3.3 基于局部约束的线性编码(LLC) | 第37-38页 |
4.3.4 LLC 的计算过程 | 第38-39页 |
4.3.5 LLC 的优点 | 第39-40页 |
4.4 本章小结 | 第40-41页 |
第五章 分类器 | 第41-55页 |
5.1 引言 | 第41页 |
5.2 支持向量机 | 第41-47页 |
5.2.1 SVM 的理论推导 | 第41-44页 |
5.2.2 SVM 的容错机制 | 第44-45页 |
5.2.3 SVM 的核函数 | 第45-47页 |
5.3 AdaBoost | 第47-48页 |
5.4 DABoost | 第48-53页 |
5.4.1 背景 | 第48-49页 |
5.4.2 两个问题 | 第49-52页 |
5.4.3 算法描述 | 第52-53页 |
5.5 本章小结 | 第53-55页 |
第六章 实验数据与分析 | 第55-66页 |
6.1 引言 | 第55页 |
6.2 第一层瑕疵分类数据集 | 第55-58页 |
6.2.1 数据描述 | 第55-56页 |
6.2.2 LAB 特征提取 | 第56-57页 |
6.2.3 SIFT 特征提取 | 第57-58页 |
6.2.4 瑕疵分类 | 第58页 |
6.3 第二层瑕疵分类数据集 | 第58-65页 |
6.3.1 数据描述 | 第58-59页 |
6.3.2 LAB 特征提取 | 第59-61页 |
6.3.3 SIFT 特征提取 | 第61页 |
6.3.4 HOG 特征提取 | 第61-63页 |
6.3.5 LLC 编码 | 第63-64页 |
6.3.6 瑕疵分类 | 第64-65页 |
6.4 扩展实验 | 第65页 |
6.5 本章小结 | 第65-66页 |
第七章 总结与展望 | 第66-68页 |
7.1 全文总结 | 第66-67页 |
7.2 全文展望 | 第67-68页 |
参考文献 | 第68-71页 |
致谢 | 第71-72页 |
攻读硕士学位期间已发表或录用的论文 | 第72-73页 |
攻读硕士学位期间参与的项目 | 第73-74页 |
附件 | 第74-76页 |