| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-27页 |
| ·研究背景及意义 | 第11-13页 |
| ·布匹瑕疵识别现状 | 第11页 |
| ·基于机器视觉的布匹瑕疵识别 | 第11-13页 |
| ·布匹瑕疵识别的国内外研究综述 | 第13-23页 |
| ·布匹瑕疵检测的研究现状 | 第13-19页 |
| ·布匹瑕疵分类的研究现状 | 第19-23页 |
| ·布匹瑕疵数据库介绍 | 第23-24页 |
| ·本文的研究内容与章节安排 | 第24-27页 |
| ·本文主要内容 | 第24-25页 |
| ·章节安排 | 第25-27页 |
| 第二章 布匹瑕疵图像预处理和特征提取技术 | 第27-39页 |
| ·引言 | 第27-28页 |
| ·瑕疵图像预处理 | 第28-31页 |
| ·直方图均衡化[122] | 第28页 |
| ·中值滤波 | 第28-29页 |
| ·高斯滤波 | 第29-30页 |
| ·预处理方法自动选择 | 第30-31页 |
| ·瑕疵特征提取方法 | 第31-37页 |
| ·常规统计特征 | 第31-32页 |
| ·灰度共生矩阵特征 | 第32-34页 |
| ·局部二值模式（LBP）特征 | 第34-37页 |
| ·本章小结 | 第37-39页 |
| 第三章 融合小波多尺度积和数学形态学的布匹瑕疵检测 | 第39-55页 |
| ·引言 | 第39-40页 |
| ·小波变换与数学形态学原理 | 第40-46页 |
| ·多分辨率分析 | 第40-41页 |
| ·小波变换 | 第41-43页 |
| ·小波变换多尺度积 | 第43-44页 |
| ·数学形态学 | 第44-46页 |
| ·基于小波多尺度积和数学形态学的瑕疵检测 | 第46-49页 |
| ·算法框架 | 第46页 |
| ·数学形态学处理 | 第46-48页 |
| ·小波多尺度积处理 | 第48页 |
| ·算法实现 | 第48-49页 |
| ·实验结果及分析 | 第49-53页 |
| ·本章小结 | 第53-55页 |
| 第四章 基于非下采样 Contourlet 变换的布匹瑕疵检测 | 第55-75页 |
| ·引言 | 第55-56页 |
| ·Contourlet 理论 | 第56-61页 |
| ·Contourlet 变换[72, 142] | 第56-58页 |
| ·非下采样 Contourlet 变换（NSCT）[42, 72] | 第58-61页 |
| ·NSCT 子带选取 | 第61-63页 |
| ·基于 NSCT 子带标准差的布匹瑕疵检测 | 第63-65页 |
| ·基于 NSCT 域的 GMM 布匹瑕疵自动检测算法 | 第65-69页 |
| ·高斯混合模型 | 第65页 |
| ·GMM 参数估计 | 第65-67页 |
| ·瑕疵区域粗定位 | 第67-68页 |
| ·瑕疵检测算法流程 | 第68-69页 |
| ·实验结果与分析 | 第69-73页 |
| ·本章小结 | 第73-75页 |
| 第五章 基于改进 GMM 的布匹瑕疵分类 | 第75-87页 |
| ·引言 | 第75-76页 |
| ·布匹瑕疵特征提取 | 第76-79页 |
| ·统计特征提取 | 第76-77页 |
| ·LBP 和 GLCM 的融合特征 | 第77-79页 |
| ·基于 GMM 的分类器设计 | 第79-82页 |
| ·改进的 GMM 参数估计 | 第79-81页 |
| ·贝叶斯最大似然分类 | 第81页 |
| ·瑕疵分类算法步骤 | 第81-82页 |
| ·实验结果与分析 | 第82-85页 |
| ·训练样本对算法性能影响 | 第82-83页 |
| ·不同分类器分类性能比较 | 第83-84页 |
| ·不同特征下分类性能比较 | 第84-85页 |
| ·本章小结 | 第85-87页 |
| 第六章 基于字典学习的稀疏表示布匹瑕疵识别 | 第87-101页 |
| ·引言 | 第87-88页 |
| ·稀疏表示理论 | 第88-92页 |
| ·稀疏编码 | 第88-90页 |
| ·字典学习 | 第90-92页 |
| ·基于判别字典学习的稀疏表示布匹瑕疵识别 | 第92-96页 |
| ·基于判别字典学习的稀疏表示 | 第92-93页 |
| ·基于 Gabor 虚部的瑕疵区域定位 | 第93-94页 |
| ·布匹瑕疵图像识别 | 第94-96页 |
| ·实验结果与分析 | 第96-98页 |
| ·不同测试样本上的分类性能比较 | 第97页 |
| ·不同字典学习算法性能比较 | 第97-98页 |
| ·本章小结 | 第98-101页 |
| 第七章 总结和展望 | 第101-103页 |
| 致谢 | 第103-105页 |
| 参考文献 | 第105-118页 |
| 攻读博士学位期间的研究成果 | 第118-119页 |
