| 摘要 | 第3-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第13-33页 |
| 1.1 课题研究意义和背景 | 第13-14页 |
| 1.1.1 研究意义 | 第13页 |
| 1.1.2 研究背景 | 第13-14页 |
| 1.2 研究现状 | 第14-24页 |
| 1.2.1 纺织图像检测 | 第15页 |
| 1.2.2 纺织图像分割 | 第15-17页 |
| 1.2.3 图像质量客观评价方法 | 第17-18页 |
| 1.2.4 纺织图像轮廓自动提取 | 第18-19页 |
| 1.2.5 纺织图像特征提取 | 第19-20页 |
| 1.2.6 特征向量的维数约简 | 第20-23页 |
| 1.2.6.1 基于PCA的降维 | 第21-23页 |
| 1.2.6.2 基于LDA的降维 | 第23页 |
| 1.2.7 纺织图像模式识别 | 第23-24页 |
| 1.3 目前存在的主要问题 | 第24-25页 |
| 1.4 研究目标、研究内容和创新点 | 第25-28页 |
| 1.4.1 研究目标 | 第25页 |
| 1.4.2 研究内容 | 第25-27页 |
| 1.4.3 创新点 | 第27-28页 |
| 参考文献 | 第28-33页 |
| 第二章 服装图像分割算法与分割质量客观评价 | 第33-53页 |
| 2.1 引言 | 第33-35页 |
| 2.2 Mean shift图像分割算法 | 第35-37页 |
| 2.2.1 基本Mean shift | 第35-36页 |
| 2.2.2 扩展的Mean shift | 第36-37页 |
| 2.3 gPb-owt-ucm分层分割算法 | 第37-41页 |
| 2.3.1 全局化轮廓概率(global probability of boundary, gPb) | 第37-39页 |
| 2.3.2 方向分水岭变换(Oriented Watershed Transform, OWT) | 第39-40页 |
| 2.3.3 超度量轮廓图(Ultrametric Contour Map, UCM) | 第40-41页 |
| 2.4 区域归并图像分割算法 | 第41-42页 |
| 2.5 本章实验 | 第42-51页 |
| 2.5.1 实验所用样本 | 第42页 |
| 2.5.2 Mean shift图像分割实验 | 第42-43页 |
| 2.5.3 gPb-owt-ucm分层分割分割实验 | 第43页 |
| 2.5.4 区域归并实验 | 第43-50页 |
| 2.5.5 G-SSIM图像分割质量评价试验 | 第50-51页 |
| 2.6 本章小结 | 第51-52页 |
| 参考文献 | 第52-53页 |
| 第三章 服装款式图提取 | 第53-67页 |
| 3.1 引言 | 第53-54页 |
| 3.2 曲线的插值与拟合 | 第54-55页 |
| 3.2.1 二维GCAD中的曲线类型 | 第54-55页 |
| 3.2.2 曲线插值与拟合 | 第55页 |
| 3.3 服装轮廓的提取 | 第55-62页 |
| 3.3.1 轮廓误差的概念 | 第55-56页 |
| 3.3.2 初始轮廓的提取 | 第56-57页 |
| 3.3.3 分支轮廓光滑处理 | 第57-60页 |
| 3.3.4 全局轮廓光滑处理 | 第60-62页 |
| 3.4 服装内部细节的提取 | 第62-64页 |
| 3.4.1 对称点计算 | 第62-63页 |
| 3.4.2 结构曲线交点的确定与结构曲线的提取 | 第63-64页 |
| 3.5 试验与分析 | 第64-65页 |
| 3.5.1 服装款式图提取实验 | 第64-65页 |
| 3.5.2 服装款式图提取对比实验 | 第65页 |
| 3.6 本章小结 | 第65-66页 |
| 参考文献 | 第66-67页 |
| 第四章 基于形状特征的服装款式图识别 | 第67-83页 |
| 4.1 引言 | 第67页 |
| 4.2 基于shock graph技术的服装款式图识别 | 第67-75页 |
| 4.2.1 骨架及其提取算法 | 第67-68页 |
| 4.2.2 shock graph匹配方法 | 第68-69页 |
| 4.2.3 shock graph匹配实验 | 第69-75页 |
| 4.3 基于矩特征的服装款式图识别 | 第75-78页 |
| 4.3.1 不变矩 | 第75-76页 |
| 4.3.2 Zernike矩 | 第76页 |
| 4.3.3 基于矩特征的服装款式图识别 | 第76-78页 |
| 4.4 基于不变矩特征与SVM的服装款式图识别 | 第78-80页 |
| 4.4.1 款式图识别的SVM | 第78-79页 |
| 4.4.2 SVM参数值的确定及分类准确率 | 第79-80页 |
| 4.5 本章小结 | 第80-82页 |
| 参考文献 | 第82-83页 |
| 第五章 一种集成化服装款式图的识别方法 | 第83-102页 |
| 5.1 引言 | 第83页 |
| 5.2 基于傅里叶小波描述子的形状特征提取 | 第83-88页 |
| 5.2.1 傅里叶描述子 | 第83-85页 |
| 5.2.2 基于CWT的多尺度傅里叶描述子 | 第85-86页 |
| 5.2.3 基于DWT的单尺度小波傅里叶描述子 | 第86-88页 |
| 5.3 特征数据降维 | 第88-89页 |
| 5.4 ELM分类器 | 第89-92页 |
| 5.4.1 ELM基本原理 | 第89-91页 |
| 5.4.2 ELM的求解及特点 | 第91页 |
| 5.4.3 使用ELM分类 | 第91-92页 |
| 5.5 试验与分析 | 第92-100页 |
| 5.5.1 实验数据库及分类器参数设置 | 第92-95页 |
| 5.5.2 WFD提取实验 | 第95页 |
| 5.5.3 形状描述子分类性能对比实验 | 第95-97页 |
| 5.5.4 PCA与LDA降维分类对比实验 | 第97页 |
| 5.5.5 分类器稳定性对比实验 | 第97-98页 |
| 5.5.6 分类器性能对比实验 | 第98-100页 |
| 5.6 本章小结 | 第100-101页 |
| 参考文献 | 第101-102页 |
| 第六章 基于建模的翻领识别与基于内容的服装款式检索 | 第102-121页 |
| 6.1 引言 | 第102-103页 |
| 6.2 基于建模的部分翻领识别 | 第103-113页 |
| 6.2.1 服装部件的特征提取问题 | 第103-104页 |
| 6.2.2 Hough变换与K-means聚类 | 第104-107页 |
| 6.2.2.1 Hough变换 | 第104-105页 |
| 6.2.2.2 翻领模型 | 第105-106页 |
| 6.2.2.3 k-means聚类 | 第106-107页 |
| 6.2.3 翻领识别方法 | 第107-109页 |
| 6.2.4 实验结果 | 第109-113页 |
| 6.2.4.1 实验样本与环境 | 第109-110页 |
| 6.2.4.2 共点识别实验 | 第110-112页 |
| 6.2.4.3 对称识别实验 | 第112-113页 |
| 6.3 基于内容的服装款式检索 | 第113-118页 |
| 6.3.1 特征选择 | 第113-114页 |
| 6.3.2 相识性度量 | 第114页 |
| 6.3.3 实验结果 | 第114-118页 |
| 6.4 本章小结 | 第118-119页 |
| 参考文献 | 第119-121页 |
| 第七章 总结与展望 | 第121-124页 |
| 7.1 全文总结 | 第121-122页 |
| 7.2 课题展望 | 第122-124页 |
| 攻读博士学位期间的研究成果目录 | 第124-125页 |
| 致谢 | 第125页 |
