| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第一章绪论 | 第13-31页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-21页 |
| 1.2.1 织物抗皱性的测试与评价方法 | 第14-16页 |
| 1.2.2 图像处理技术在织物平整度评价中的应用 | 第16-19页 |
| 1.2.3 激光测量技术在织物平整度等级评价中的应用 | 第19-21页 |
| 1.2.4 研究现状分析与总结 | 第21页 |
| 1.3 论文的研究内容及意义 | 第21-23页 |
| 1.3.1 研究内容 | 第21-23页 |
| 1.3.2 研究意义 | 第23页 |
| 参考文献 | 第23-31页 |
| 第二章织物折皱回复角测试稳定性分析 | 第31-40页 |
| 2.1 引言 | 第31页 |
| 2.2 折皱回复角测试 | 第31-34页 |
| 2.2.1 织物的选取 | 第31-33页 |
| 2.2.2 测试仪器及测试角度 | 第33-34页 |
| 2.3 结果及分析 | 第34-39页 |
| 2.3.1 测试稳定性分析 | 第34-37页 |
| 2.3.2 测试误差原因分析 | 第37-39页 |
| 2.4 本章小结 | 第39页 |
| 参考文献 | 第39-40页 |
| 第三章模拟实际着装的织物起皱方法 | 第40-58页 |
| 3.1 引言 | 第40页 |
| 3.2 装置结构及起皱方法 | 第40-42页 |
| 3.2.1 装置结构 | 第40-41页 |
| 3.2.2 起皱方法 | 第41-42页 |
| 3.3 实际着装起皱的对比实验 | 第42-48页 |
| 3.3.1 实验服的选取、制作及试穿 | 第42-45页 |
| 3.3.2 起皱程度的主观评价 | 第45-48页 |
| 3.4 结果与分析 | 第48-56页 |
| 3.4.1 两种起皱方法的主观评价得分、等级及排序 | 第48-50页 |
| 3.4.2 两种主观评价的一致性检验 | 第50-51页 |
| 3.4.3 两种方法起皱结果的对比与分析 | 第51-56页 |
| 3.5 本章小结 | 第56页 |
| 参考文献 | 第56-58页 |
| 第四章基于图像特征的织物折皱纹理分析 | 第58-88页 |
| 4.1 引言 | 第58页 |
| 4.2 折皱密度 | 第58-68页 |
| 4.2.1 利用二值图像提取折皱密度 | 第58-60页 |
| 4.2.2 利用灰度图像提取折皱密度 | 第60-62页 |
| 4.2.3 结果与分析 | 第62-68页 |
| 4.3 灰度共生矩阵 | 第68-74页 |
| 4.3.1 灰度共生矩阵概述 | 第68-70页 |
| 4.3.2 结果与分析 | 第70-74页 |
| 4.4 小波分析 | 第74-81页 |
| 4.4.1 小波分析简介 | 第74-75页 |
| 4.4.2 基于小波分析的织物折皱特征提取 | 第75-77页 |
| 4.4.3 结果与分析 | 第77-81页 |
| 4.5 基于信息融合技术的织物综合折皱指标 | 第81-84页 |
| 4.5.1 信息融合技术及织物综合折皱指标 | 第81-82页 |
| 4.5.2 结果与分析 | 第82-84页 |
| 4.6 本章小结 | 第84页 |
| 参考文献 | 第84-88页 |
| 第五章织物折皱等级的聚类方法研究 | 第88-103页 |
| 5.1 引言 | 第88页 |
| 5.2 系统聚类 | 第88-94页 |
| 5.2.1 系统聚类概述 | 第88-89页 |
| 5.2.2 系统聚类在织物折皱等级分析中的应用 | 第89-94页 |
| 5.3 K-均值聚类 | 第94-96页 |
| 5.3.1 基本思想 | 第94页 |
| 5.3.2 K-均值聚类在织物折皱等级分析中的应用 | 第94-96页 |
| 5.4 SOM神经网络聚类分析 | 第96-101页 |
| 5.4.1 原理及特点 | 第96-97页 |
| 5.4.2 SOM神经网络在织物折皱聚类分析中的应用 | 第97-101页 |
| 5.5 本章小结 | 第101页 |
| 参考文献 | 第101-103页 |
| 第六章基于神经网络的织物折皱等级识别 | 第103-115页 |
| 6.1 人工神经网络简介 | 第103-105页 |
| 6.2 基于LVQ神经网络的织物折皱等级识别 | 第105-107页 |
| 6.2.1LVQ神经网络简介 | 第105页 |
| 6.2.2LVQ神经网络用于织物折皱等级识别 | 第105-107页 |
| 6.3 基于PNN神经网络的织物折皱等级识别 | 第107-110页 |
| 6.3.1PNN神经网络简介 | 第107-108页 |
| 6.3.2 PNN神经网络用于织物折皱等级识别 | 第108-110页 |
| 6.4 基于LVQ-PNN混合神经网络的织物折皱等级识别 | 第110-111页 |
| 6.4.1 混合神经网络设计 | 第110-111页 |
| 6.4.2 混合神经网络用于织物折皱等级识别 | 第111页 |
| 6.5 本章小结 | 第111-112页 |
| 参考文献 | 第112-115页 |
| 第七章结论与展望 | 第115-118页 |
| 7.1 结论 | 第115-116页 |
| 7.2 创新点 | 第116-117页 |
| 7.3 不足与展望 | 第117-118页 |
| 附录 | 第118-137页 |
| 附录 1织物不同方向10次折皱回复角的测试平均值 | 第118-120页 |
| 附录 2织物不同方向折皱回复角的变异系数 | 第120-122页 |
| 附录 3专家对实际着装起皱的主观评分 | 第122-124页 |
| 附录 4专家对模拟装置起皱的主观评分 | 第124-126页 |
| 附录 5织物折皱密度的10次测试数据（%） | 第126-128页 |
| 附录 6织物不同方向的灰度共生矩阵参数 | 第128-132页 |
| 附录 7织物不同小波分解尺度下三个方向的细节系数标准差 | 第132-136页 |
| 附录 8测试样本的织物折皱特征 | 第136-137页 |
| 致谢 | 第137-138页 |
| 攻读博士学位期间获得的成果 | 第138-139页 |
| 1、以第一作者发表的论文 | 第138-139页 |
| 2、以第一完成人授权或申请的专利 | 第139页 |
| 3、获得资助的课题 | 第139页 |
