| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究的背景和意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 织物疵点识别的研究现状 | 第10-12页 |
| 1.2.2 织物疵点检测的研究现状 | 第12-14页 |
| 1.3 本文的主要内容 | 第14-16页 |
| 第2章 基于BP神经网络的织物疵点识别 | 第16-30页 |
| 2.1 引言 | 第16页 |
| 2.2 预备知识 | 第16-22页 |
| 2.2.1 奇异值分解 | 第16-17页 |
| 2.2.2 BP神经网络 | 第17-22页 |
| 2.3 基于BP神经网络的疵点识别 | 第22-26页 |
| 2.3.1 确定网络各层的节点数 | 第22-24页 |
| 2.3.2 归一化网络的输入向量 | 第24页 |
| 2.3.3 相关参数的设置 | 第24-26页 |
| 2.4 实验结果和分析 | 第26-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第3章 基于最优Gabor滤波器的织物疵点检测算法 | 第30-46页 |
| 3.1 引言 | 第30页 |
| 3.2 预备知识 | 第30-32页 |
| 3.2.1 多尺度多方向的Gabor滤波器 | 第30-32页 |
| 3.2.2 特征值的绝对扰动分析 | 第32页 |
| 3.3 织物疵点检测算法 | 第32-39页 |
| 3.3.1 选择最优方向 | 第33-34页 |
| 3.3.2 选择最优尺度 | 第34-37页 |
| 3.3.3 滤波图像的滤波 | 第37页 |
| 3.3.4 滤波图像的融合 | 第37-38页 |
| 3.3.5 二值化 | 第38页 |
| 3.3.6 图像的后处理 | 第38-39页 |
| 3.3.7 基于最优滤波器的织物疵点算法 | 第39页 |
| 3.4 实验结果与分析 | 第39-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 结束语 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 致谢 | 第52-54页 |
| 攻读硕士学位期间完成的论文 | 第54页 |