| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 章节安排 | 第13-14页 |
| 第二章 织物疵点检测的相关理论基础 | 第14-29页 |
| 2.1 稀疏表示理论基础 | 第14-16页 |
| 2.2 Fisher判别分析 | 第16-18页 |
| 2.3 卷积神经网络 | 第18-28页 |
| 2.3.1 卷积神经网络结构 | 第18-23页 |
| 2.3.2 卷积神经网络前向传播 | 第23页 |
| 2.3.3 卷积神经网络反向传播 | 第23-24页 |
| 2.3.4 卷积神经网络分类模型 | 第24-28页 |
| 2.4 小结 | 第28-29页 |
| 第三章 基于深层特征融合的SRC-CNN织物疵点检测 | 第29-40页 |
| 3.1 织物图像库建立及图像预处理 | 第29-31页 |
| 3.2 迁移学习及网络结构与参数设置 | 第31-32页 |
| 3.3 基于深层特征融合的 SRC-CNN 整体框架 | 第32-34页 |
| 3.4 实验结果与分析 | 第34-39页 |
| 3.4.1 不同卷积神经网络结构的分类率对比与分析 | 第34-35页 |
| 3.4.2 深层多特征融合 | 第35-36页 |
| 3.4.3 基于深层特征融合的SRC-CNN的稀疏表示分析 | 第36-38页 |
| 3.4.4 基于深层特征融合的SRC-CNN算法与其他算法比较 | 第38-39页 |
| 3.5 小结 | 第39-40页 |
| 第四章 基于Fisher准则的深层卷积神经网络织物疵点检测 | 第40-53页 |
| 4.1 织物图像库建立 | 第40-41页 |
| 4.2 深度可分离卷积及深层卷积神经网络结构(DCNN) | 第41-43页 |
| 4.3 对深层卷积神经网络的Softmax层加Fisher准则约束 | 第43-44页 |
| 4.4 基于Fisher准则的深层卷积神经网络织物疵点检测算法流程 | 第44-45页 |
| 4.5 实验结果与分析 | 第45-52页 |
| 4.5.1 Vgg-16、DCNN和FDCNN网络模型的对比 | 第45-48页 |
| 4.5.2 FDCNN在不同分辨率图像的结果对比 | 第48-50页 |
| 4.5.3 FDCNN算法与其他算法比较 | 第50-52页 |
| 4.6 小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53-54页 |
| 5.2 展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读学位期间的研究成果 | 第59-60页 |
| 致谢 | 第60页 |
