| 摘要 | 第1-3页 |
| Abstract | 第3-7页 |
| 1 绪论 | 第7-19页 |
| ·研究意义和背景 | 第7-8页 |
| ·基于计算机视觉的纺织品瑕疵检测系统应用现状 | 第8-11页 |
| ·Elbit Vision Systems(EVS)公司 I-TEX 系统 | 第8-9页 |
| ·齐薇格乌斯特（Zellweger Uster）公司的 Fabricscan 系统 | 第9-10页 |
| ·Barco 公司的 Vision Cyclops 系统 | 第10-11页 |
| ·织物图像分析方法 | 第11-16页 |
| ·主要的纺织品瑕疵检测算法 | 第11-15页 |
| ·基于模式识别的织物瑕疵图像特征值提取 | 第15-16页 |
| ·纺织品瑕疵分类与评价分析 | 第16页 |
| ·纺织品商业贸易中瑕疵的评定方法 | 第16-18页 |
| ·织物疵点评分标准 | 第17页 |
| ·评分的计算 | 第17页 |
| ·整体疵点的评分标准 | 第17-18页 |
| ·本文的结构安排 | 第18-19页 |
| 2 检测系统的硬件设计 | 第19-28页 |
| ·检测系统的总体结构 | 第19-20页 |
| ·硬件规格需求分析 | 第20-23页 |
| ·线阵 CCD 摄像头 | 第20-21页 |
| ·图像采集卡及计算机系统硬件要求 | 第21-23页 |
| ·数据通信协议需求分析 | 第23-26页 |
| ·Camera Link 标准 | 第23-25页 |
| ·低压差分信号 LVDS | 第25-26页 |
| ·自动检测系统的主要规格确定 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 3 织物图像的瑕疵检测 | 第28-47页 |
| ·方法库思想下的织物瑕疵检测 | 第28-29页 |
| ·织物图像的预处理 | 第29-32页 |
| ·图像预处理的目标 | 第29页 |
| ·直方图均衡增强 | 第29-32页 |
| ·织物瑕疵自动检测系统算法应用分析 | 第32-43页 |
| ·Gabor -Gauss 方法 | 第32-38页 |
| ·背景分析的方法 | 第38-40页 |
| ·多尺度小波方法 | 第40-43页 |
| ·具体疵点定位的理论分析 | 第43-45页 |
| ·瑕疵定位的逻辑过程 | 第43页 |
| ·织物图像瑕疵定位 | 第43-45页 |
| ·图形用户界面（GUI）的初步设计 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 4 织物瑕疵图像的分类评价分析 | 第47-64页 |
| ·织物瑕疵图像的特征提取 | 第47-57页 |
| ·基于共生灰度矩的特征分析和提取 | 第47-53页 |
| ·Tamura 纹理特征分析和提取 | 第53-56页 |
| ·整体特征值分析 | 第56-57页 |
| ·基于量化共轭 BP 神经网络的算法的分类 | 第57-59页 |
| ·主成分分析（PCA） | 第59-61页 |
| ·疵点分类结果 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 5 总结与展望 | 第64-66页 |
| ·本文研究总结 | 第64-65页 |
| ·本文的不足和展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 附录 | 第70-79页 |
| 硕士期间发表的学术论文情况 | 第79-81页 |
