| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-17页 |
| ·课题的来源 | 第11页 |
| ·研究背景及意义 | 第11-12页 |
| ·研究现状 | 第12-14页 |
| ·印花织物的分色 | 第12-14页 |
| ·印花织物重复图案的检测 | 第14页 |
| ·本文的主要工作 | 第14-17页 |
| 2 印花织物自动检测系统的整体设计及图像的预处理 | 第17-25页 |
| ·印花织物自动检测系统的整体设计 | 第17页 |
| ·图像采集 | 第17-21页 |
| ·光源 | 第18-19页 |
| ·CCD相机 | 第19-20页 |
| ·光学镜头 | 第20页 |
| ·数据采集卡 | 第20-21页 |
| ·图像的预处理 | 第21-24页 |
| ·图像滤波 | 第21-23页 |
| ·图像归一化 | 第23页 |
| ·图像灰度化 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 3 图像处理基础与常用图像分割算法介绍 | 第25-37页 |
| ·颜色定义 | 第25页 |
| ·常用颜色空间 | 第25-28页 |
| ·RGB颜色空间 | 第25-26页 |
| ·HSI颜色空间 | 第26页 |
| ·HSV颜色空间 | 第26-27页 |
| ·LAB颜色空间 | 第27-28页 |
| ·图像分割理论 | 第28-29页 |
| ·常用的图像分割算法 | 第29-35页 |
| ·基于阈值的图像分割方法 | 第29-30页 |
| ·基于区域的图像分割方法 | 第30-31页 |
| ·基于边缘检测的图像分割方法 | 第31-33页 |
| ·基于聚类算法的图像分割方法 | 第33-35页 |
| ·本章小结 | 第35-37页 |
| 4 基于SOM神经网络与改进型K-均值的印花织物分色 | 第37-49页 |
| ·引言 | 第37页 |
| ·遗传算法 | 第37-41页 |
| ·遗传算法原理 | 第37页 |
| ·遗传算法运算流程 | 第37-39页 |
| ·遗传算法特点及优势 | 第39-40页 |
| ·遗传算法搜索印花织物子图像 | 第40-41页 |
| ·SOM神经网络 | 第41-43页 |
| ·SOM神经网络原理 | 第41页 |
| ·SOM神经网络训练过程 | 第41-42页 |
| ·SOM网络对彩色图像进行初始聚类 | 第42-43页 |
| ·改进型K-均值算法 | 第43-44页 |
| ·K-均值聚类算法 | 第43页 |
| ·改进型K-均值聚类算法 | 第43-44页 |
| ·基于SOM神经网络与改进型K-均值的彩色印花织物分色 | 第44-47页 |
| ·算法原理与过程 | 第44-45页 |
| ·算法结果与分析 | 第45-47页 |
| ·本章小结 | 第47-49页 |
| 5 改进型模板匹配法的印花织物规则重复图案检测 | 第49-57页 |
| ·引言 | 第49页 |
| ·传统模板匹配法的基本思路及过程 | 第49-50页 |
| ·改进型模板匹配法 | 第50-55页 |
| ·改进型模板匹配法的原理与定义 | 第50-51页 |
| ·改进型模板匹配的实现流程 | 第51-52页 |
| ·实验结果与分析 | 第52-55页 |
| ·本章小结 | 第55-57页 |
| 6 基于SIFT特征匹配的印花织物变化重复图案检测 | 第57-69页 |
| ·前言 | 第57页 |
| ·基于SIFT特征匹配算法原理与基本流程 | 第57-58页 |
| ·实验细节与实现过程 | 第58-64页 |
| ·图像初始化 | 第58-59页 |
| ·尺度空间内搜索局部极值点 | 第59-61页 |
| ·精确定位特征点的位置与所在尺度 | 第61-62页 |
| ·确定特征点的主方向 | 第62-63页 |
| ·生成SIFT特征向量 | 第63页 |
| ·SIFT特征向量的匹配 | 第63-64页 |
| ·检测结果及分析 | 第64-66页 |
| ·本章小结 | 第66-69页 |
| 7 总结 | 第69-71页 |
| ·全文总结 | 第69-70页 |
| ·课题展望 | 第70-71页 |
| 参考文献 | 第71-77页 |
| 作者攻读学位期间发表论文清单 | 第77-79页 |
| 致谢 | 第79页 |
