| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 课题来源 | 第8页 |
| 1.2 背景介绍及研究意义 | 第8页 |
| 1.3 国内外对织物疵点检测现状 | 第8-9页 |
| 1.4 织物图像特征提取方法 | 第9-11页 |
| 1.4.1 统计法 | 第9-10页 |
| 1.4.2 结构法 | 第10页 |
| 1.4.3 频谱法 | 第10-11页 |
| 1.4.4 模型的方法 | 第11页 |
| 1.5 分类器设计 | 第11-12页 |
| 1.5.1 统计分类器 | 第11-12页 |
| 1.5.2 人工神经网络分类器 | 第12页 |
| 1.6 论文的章节安排 | 第12-14页 |
| 2 织物疵点检测系统的算法设计 | 第14-30页 |
| 2.1 图像特征提取及疵点检测方法 | 第14-15页 |
| 2.1.1 颜色特征 | 第14页 |
| 2.1.2 纹理特征 | 第14页 |
| 2.1.3 疵点检测方法 | 第14-15页 |
| 2.2 图像预处理 | 第15-20页 |
| 2.2.1 快速中值滤波 | 第16-17页 |
| 2.2.2 直方图均衡化 | 第17页 |
| 2.2.3 补偿光照 | 第17-20页 |
| 2.3 灰度共生矩阵 | 第20-23页 |
| 2.3.1 角二阶矩(ASM) | 第21页 |
| 2.3.2 主对角线惯性矩(IM) | 第21-22页 |
| 2.3.3 相关性(Correlation) | 第22页 |
| 2.3.4 熵 | 第22页 |
| 2.3.5 方差 | 第22-23页 |
| 2.4 基于灰度共生矩阵的局部熵和局部能量检测疵点 | 第23-26页 |
| 2.4.1 局部能量 | 第23-24页 |
| 2.4.2 局部熵(H) | 第24-26页 |
| 2.5 类别共生矩阵和疵点阈值设定 | 第26-28页 |
| 2.6 本章小结 | 第28-30页 |
| 3 织物疵点检测硬件平台 | 第30-36页 |
| 3.1 Zynq-7000 的SoC体系简介 | 第30页 |
| 3.2 Zedboard开发平台 | 第30-32页 |
| 3.3 ZYNQ开发模式 | 第32-33页 |
| 3.4 HDMI接口显示 | 第33-34页 |
| 3.5 AMBAAXI总线协议 | 第34-35页 |
| 3.6 本章小结 | 第35-36页 |
| 4 疵点检测算法在软件上的验证 | 第36-50页 |
| 4.1 疵点检测算法流程 | 第37页 |
| 4.2 算法在软件上的实现 | 第37-49页 |
| 4.2.1 各个窗口产生的模块 | 第37-39页 |
| 4.2.2 快速中值滤波模块 | 第39-40页 |
| 4.2.3 均衡化模块 | 第40-41页 |
| 4.2.4 光照补偿矩阵提取模块 | 第41-42页 |
| 4.2.5 光照补偿模块 | 第42-43页 |
| 4.2.6 类别共生矩阵的实现过程 | 第43-49页 |
| 4.3 本章小结 | 第49-50页 |
| 5 图像采集及算法的封装 | 第50-58页 |
| 5.1 类别共生矩阵的IP核实现 | 第50-52页 |
| 5.2 Linux移植和IP驱动设计 | 第52-55页 |
| 5.2.1 类别共生矩阵算法IP核的Linux驱动 | 第52-53页 |
| 5.2.2 USB摄像头设备驱动和视频采集 | 第53-55页 |
| 5.3 Qt界面设计 | 第55-56页 |
| 5.4 完整系统软件流程 | 第56-57页 |
| 5.5 本章小结 | 第57-58页 |
| 6 实时检测结果 | 第58-62页 |
| 6.1 基于不同算法的检测结果 | 第58-60页 |
| 6.2 算法占用的硬件资源分析 | 第60-61页 |
| 6.3 算法优化 | 第61页 |
| 6.4 本章小结 | 第61-62页 |
| 7 总结及展望 | 第62-64页 |
| 7.1 总结 | 第62页 |
| 7.2 展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 作者攻读学位期间发表论文清单 | 第68-70页 |
| 致谢 | 第70页 |