| 中文摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-16页 |
| ·课题研究的目的及意义 | 第8-9页 |
| ·国内外研究进程 | 第9-15页 |
| ·基于空间域的织物组织结构识别 | 第9-11页 |
| ·基于频域的织物组织结构识别 | 第11-13页 |
| ·结合特定理论的分析法 | 第13-14页 |
| ·基于典型的图像处理算法 | 第14-15页 |
| ·本文研究的主要内容 | 第15-16页 |
| 第二章 基于灰度共生矩阵的织物图像特征提取 | 第16-34页 |
| ·图像的纹理特征 | 第16-17页 |
| ·灰度共生矩阵理论 | 第17-21页 |
| ·灰度共生矩阵生成 | 第18-19页 |
| ·灰度共生矩阵特点 | 第19-20页 |
| ·灰度共生矩阵特征值 | 第20-21页 |
| ·图像采集 | 第21-22页 |
| ·图像预处理 | 第22-25页 |
| ·直方图均衡化 | 第23-24页 |
| ·中值滤波 | 第24-25页 |
| ·灰度共生矩阵构造参数的选取 | 第25-27页 |
| ·步长的选取 | 第26页 |
| ·纹理方向的选取 | 第26页 |
| ·灰度量化级的选取 | 第26-27页 |
| ·织物特征参数的提取与分析 | 第27-34页 |
| ·特征参数的提取 | 第27-28页 |
| ·特征参数的分析 | 第28-34页 |
| 第三章 基于BP 神经网络的织物组织结构分类 | 第34-51页 |
| ·神经网络概述 | 第34-39页 |
| ·生物神经元模型 | 第34-35页 |
| ·人工神经元模型 | 第35-38页 |
| ·3 人工神经网络的分类 | 第38-39页 |
| ·BP 神经网络 | 第39-42页 |
| ·BP 神经网络概念及结构 | 第39-40页 |
| ·BP 网络的学习算法 | 第40-41页 |
| ·BP 人工神经网络的主要能力及用途 | 第41-42页 |
| ·用于机织物组织结构分类的BP 神经网络设计 | 第42-44页 |
| ·用于机织物组织结构分类的BP 神经网络Matlab 实现 | 第44-50页 |
| ·归一化方法及Matlab 函数 | 第45页 |
| ·数据选择和归一化 | 第45-47页 |
| ·BP 神经网络结构初始化 | 第47页 |
| ·BP 神经网络训练 | 第47-49页 |
| ·BP 神经网络分类 | 第49-50页 |
| ·织物组织结构分类试验结果分析 | 第50-51页 |
| 第四章 织物组织结构识别 | 第51-67页 |
| ·织物组织点区域划分 | 第51-60页 |
| ·小波分析理论 | 第51-53页 |
| ·小波基的选取 | 第53-55页 |
| ·织物图像的小波分解 | 第55-56页 |
| ·小波分解图像的二值化处理 | 第56-59页 |
| ·组织点区域的划分 | 第59-60页 |
| ·织物组织点识别 | 第60-67页 |
| ·组织点图像的结构特征 | 第60-61页 |
| ·组织点图像的特征提取 | 第61-65页 |
| ·织物组织点经纬属性判别 | 第65-67页 |
| 第五章 结论与展望 | 第67-69页 |
| ·结论 | 第67页 |
| ·展望 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 攻读硕士学位期间发表的论文 | 第74-75页 |
| 附录 | 第75-85页 |
| 致谢 | 第85页 |