基于小波分析和BP神经网络的织物疵点识别
| 中文摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 前言 | 第10-22页 |
| ·课题研究的目的与意义 | 第10-11页 |
| ·国外研究进程 | 第11-13页 |
| ·基于空间域的织物疵点检测 | 第11-12页 |
| ·基于小波域的织物疵点检测 | 第12-13页 |
| ·国内研究现状 | 第13-17页 |
| ·推向市场的织物疵点自动检测系统 | 第17-19页 |
| ·本课题的主要研究内容 | 第19-22页 |
| 第二章 基于小波分析的织物疵点图像预处理 | 第22-42页 |
| ·小波分析基本理论 | 第22-29页 |
| ·小波基函数 | 第23页 |
| ·连续小波变换 | 第23-24页 |
| ·离散小波变换 | 第24页 |
| ·多分辨率分析 | 第24-26页 |
| ·Mallat快速算法和滤波器组 | 第26-29页 |
| ·小波域织物疵点图像降噪 | 第29-37页 |
| ·小波域图像去噪准则 | 第30-31页 |
| ·小波阈值选取准则 | 第31-32页 |
| ·小波基的选取原则 | 第32-37页 |
| ·织物疵点图像的增强 | 第37-41页 |
| ·本章小结 | 第41-42页 |
| 第三章 织物疵点的特征提取 | 第42-73页 |
| ·织物纹理的特性 | 第42-43页 |
| ·织物纹理的分析方法 | 第43-45页 |
| ·灰度直方图统计特征 | 第43-44页 |
| ·图像的自相关函数 | 第44页 |
| ·傅立叶功率谱分析法 | 第44-45页 |
| ·小波变换分析法 | 第45页 |
| ·灰度共生矩阵法 | 第45页 |
| ·织物疵点的纹理特征提取 | 第45-58页 |
| ·最佳小波基的选择 | 第46-53页 |
| ·最佳小波分解层数的确定 | 第53-56页 |
| ·织物疵点图像重构子带的选择 | 第56-57页 |
| ·基于小波变换的子带图像融合 | 第57-58页 |
| ·织物疵点的纹理特征提取 | 第58-64页 |
| ·差分距离d的选择 | 第58-61页 |
| ·方向角θ的选择 | 第61-64页 |
| ·纹理特征参数的主成分分析 | 第64-66页 |
| ·织物疵点的几何形状特征提取 | 第66-72页 |
| ·分割最佳阈值的迭代算法 | 第67-68页 |
| ·织物疵点图像的形态学运算 | 第68-70页 |
| ·织物疵点形状特征参数提取 | 第70-72页 |
| ·本章小结 | 第72-73页 |
| 第四章 织物疵点的识别 | 第73-91页 |
| ·织物疵点分类和识别方法 | 第73-74页 |
| ·基于距离度量的识别 | 第73页 |
| ·基于模糊集的识别 | 第73-74页 |
| ·基于人工神经网络的识别 | 第74页 |
| ·BP神经网络算法 | 第74-79页 |
| ·神经网络模型 | 第74-77页 |
| ·BP神经网络结构 | 第77-78页 |
| ·BP的学习算法 | 第78-79页 |
| ·织物疵点识别网络的设计 | 第79-89页 |
| ·输入样本数据的预处理 | 第79页 |
| ·识别网络的结构 | 第79-85页 |
| ·网络训练方法比较 | 第85-89页 |
| ·织物疵点识别 | 第89-90页 |
| ·本章小结 | 第90-91页 |
| 第五章 结论与展望 | 第91-93页 |
| ·结论 | 第91页 |
| ·展望 | 第91-93页 |
| 参考文献 | 第93-102页 |
| 在读期间发表论文目录 | 第102-103页 |
| 致谢 | 第103-104页 |
| 详细摘要 | 第104-106页 |
