| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第6-12页 |
| 1.1 研究背景 | 第6-7页 |
| 1.2 研究现状 | 第7-11页 |
| 1.2.1 基于机器视觉的瑕疵检测系统研究现状 | 第7-8页 |
| 1.2.2 瑕疵检测的算法研究现状 | 第8-11页 |
| 1.3 章节安排 | 第11-12页 |
| 2 基于矩阵分解的织物瑕疵检测方法 | 第12-19页 |
| 2.1 基于Robust PCA的织物瑕疵检测 | 第12-14页 |
| 2.2 基于LRR的织物瑕疵检测 | 第14-19页 |
| 2.2.1 LRR模型的算法介绍 | 第15-16页 |
| 2.2.2 基于传统的LRR的瑕疵检测 | 第16-17页 |
| 2.2.3 基于改进的LRR模型的瑕疵检测 | 第17-19页 |
| 3 基于改进的Robust PCA模型的织物瑕疵检测 | 第19-26页 |
| 3.1 基于改进的RPCA模型 | 第20-24页 |
| 3.1.1 带噪声项的改进的RPCA模型（N-RPCA） | 第20-22页 |
| 3.1.2 带瑕疵引导的改进的RPCA模型（PN-RPCA） | 第22-24页 |
| 3.2 PN-RPCA模型以及PG-LSR模型中引导图的构建 | 第24-26页 |
| 4 实验结果 | 第26-37页 |
| 4.1 在不规则瑕疵图像上的比较 | 第26-28页 |
| 4.2 在二值化的瑕疵图像上的比较 | 第28-30页 |
| 4.3 在运行效率上的比较 | 第30-32页 |
| 4.4 参数敏感性验证 | 第32-34页 |
| 4.5 抗噪声的鲁棒性的验证 | 第34-37页 |
| 结论 | 第37-38页 |
| 参考文献 | 第38-41页 |
| 攻读硕士学位期间发表学术论文情况 | 第41-42页 |
| 致谢 | 第42-43页 |
