基于机器视觉与机器学习的LCD微小瑕疵自动分类
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 主要符号对照表 | 第13-14页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 背景介绍 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-16页 |
| 1.2.1 瑕疵位置自动检测 | 第15页 |
| 1.2.2 瑕疵类型自动分类 | 第15-16页 |
| 1.3 研究目标 | 第16-17页 |
| 1.4 本文的内容结构 | 第17-18页 |
| 第二章 简单图像特征 | 第18-26页 |
| 2.1 简单形状特征 | 第18-20页 |
| 2.1.1 特征设计 | 第18-19页 |
| 2.1.2 实验与分析 | 第19-20页 |
| 2.2 亮度直方图 | 第20-21页 |
| 2.2.1 特征设计 | 第20页 |
| 2.2.2 实验与分析 | 第20-21页 |
| 2.3 LBP 特征 | 第21-24页 |
| 2.3.1 实验与分析 | 第24页 |
| 2.4 本章小结 | 第24-26页 |
| 第三章 基于词袋的图像分类 | 第26-42页 |
| 3.1 局部描述子 | 第27-33页 |
| 3.1.1 DoG 检测关键点算法 | 第28-30页 |
| 3.1.2 确定关键点方向 | 第30-31页 |
| 3.1.3 SIFT 描述子的结构 | 第31-32页 |
| 3.1.4 其它描述子 | 第32-33页 |
| 3.2 构造词表与词袋 | 第33-36页 |
| 3.3 分类器 | 第36-40页 |
| 3.3.1 朴素贝叶斯分类器 | 第36-37页 |
| 3.3.2 支持向量机 | 第37-40页 |
| 3.4 本章小结 | 第40-42页 |
| 第四章 基于词袋的液晶瑕疵分类 | 第42-58页 |
| 4.1 使用颜色描述子 | 第42-49页 |
| 4.1.1 提取特征子并构造字典 | 第43页 |
| 4.1.2 尝试各种分类器 | 第43-46页 |
| 4.1.3 CIELAB 色彩空间 | 第46-47页 |
| 4.1.4 图片颜色校正 | 第47-49页 |
| 4.2 使用图块描述子 | 第49-51页 |
| 4.3 使用 SIFT 描述子 | 第51-54页 |
| 4.4 特征融合 | 第54-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 软件结构设计 | 第58-68页 |
| 5.1 基本框架 | 第58-61页 |
| 5.2 词袋算法的实现 | 第61-63页 |
| 5.2.1 提取特征 | 第61页 |
| 5.2.2 构造词表与词袋 | 第61-62页 |
| 5.2.3 训练分类器与预测分类 | 第62-63页 |
| 5.3 数据处理辅助程序 | 第63-65页 |
| 5.4 运算流程 | 第65-66页 |
| 5.5 本章小结 | 第66-68页 |
| 全文总结 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 致谢 | 第76-78页 |
| 攻读学位期间发表的学术论文目录 | 第78-80页 |
| 攻读学位期间参与的项目 | 第80页 |
