| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第一章 绪论 | 第13-23页 |
| ·机器视觉概述 | 第13-15页 |
| ·基于机器视觉的色差检测 | 第15-16页 |
| ·课题的来源、目的以及意义 | 第16-17页 |
| ·国内外研究现状 | 第17-21页 |
| ·染色品在线检测系统发展现状 | 第17-19页 |
| ·图像拼接算法研究现状 | 第19-20页 |
| ·颜色恒常性计算 算法研究现状 | 第20-21页 |
| ·本论文的研究思路及创新点 | 第21-22页 |
| ·本文的研究思路 | 第21页 |
| ·创新点 | 第21-22页 |
| ·本文章节安排 | 第22-23页 |
| 第二章 系统总体设计及相关理论研究 | 第23-52页 |
| ·系统设计原理 | 第23-31页 |
| ·色差检测系统的分类 | 第23-24页 |
| ·色差系统的结构设计 | 第24-28页 |
| ·照明系统及光源技术 | 第28-31页 |
| ·色差 | 第31-32页 |
| ·色差的定义 | 第31页 |
| ·色差的评判标准 | 第31-32页 |
| ·颜色空间 | 第32-36页 |
| ·RGB 颜色空间 | 第32-33页 |
| ·HSI 颜色空间 | 第33-34页 |
| ·HSV 颜色空间 | 第34-35页 |
| ·CIELAB 颜色空间 | 第35-36页 |
| ·色差公式 | 第36-39页 |
| ·RGB 色差公式 | 第36-37页 |
| ·HSV 色差公式 | 第37页 |
| ·CIELAB 色差公式 | 第37-38页 |
| ·CMC(l:c)色差公式 | 第38-39页 |
| ·三种色差公式性能优劣对比实验 | 第39-43页 |
| ·基于 CIELAB 颜色空间的色差检测算法 | 第39-40页 |
| ·算法实现与结果分析 | 第40-43页 |
| ·图像预处理算法 | 第43-45页 |
| ·中值滤波 | 第43页 |
| ·均值滤波 | 第43-44页 |
| ·高斯模板滤波 | 第44-45页 |
| ·三种图像预处理算法的对比实验 | 第45页 |
| ·染色品图像拼接实现 | 第45-51页 |
| ·图像拼接定义及步骤 | 第46-47页 |
| ·图像拼接算法 | 第47-49页 |
| ·算法实现 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第三章 Perona-Malik 模型光照去噪算法研究 | 第52-62页 |
| ·照射光对色差评定的影响 | 第52-54页 |
| ·照明灯因素 | 第52-53页 |
| ·光照距离 | 第53页 |
| ·解决光照影响的方法 | 第53-54页 |
| ·Perona-Malik 模型光照去噪算法 | 第54-58页 |
| ·染色品光照不变图像提取模型 | 第54-57页 |
| ·改进各向异性扩散的染色品图像提取算法 | 第57-58页 |
| ·算法实现与结果分析 | 第58-61页 |
| ·算法实现 | 第58-60页 |
| ·实验结果分析 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第四章 颜色恒常性算法 | 第62-78页 |
| ·条件等色 | 第62-65页 |
| ·条件等色的概念 | 第62页 |
| ·条件等色的分类 | 第62-65页 |
| ·GM(1,1)预测模型 | 第65-66页 |
| ·GM(1,1)预测模型的构造 | 第65-66页 |
| ·GM(1,1)预测模型的性质 | 第66页 |
| ·GM(1,1)预测模型的独特优点 | 第66页 |
| ·支持向量回归算法 | 第66-69页 |
| ·标准支持向量机算法 | 第67-68页 |
| ·最小二乘支持向量机算法 | 第68-69页 |
| ·改进的 LSSVR 和 GM(1,1)算法描述 | 第69-71页 |
| ·改进的 LSSVR 算法 | 第69-70页 |
| ·改进的 GM(1,1)算法 | 第70-71页 |
| ·改进的 LSSVR 和 GM(1,1)模型用于纺织品颜色恒常性算法描述 | 第71-77页 |
| ·光照校正算法 | 第71-72页 |
| ·算法实现与结果分析 | 第72-77页 |
| ·本章小结 | 第77-78页 |
| 第五章 色差检测评价模型的研究 | 第78-87页 |
| ·建立模型过程中相关理论的选择 | 第79-80页 |
| ·颜色空间及色差公式的选择 | 第79页 |
| ·主成分分析法（PCA）的选择 | 第79页 |
| ·遗传算法（GA）的选择 | 第79-80页 |
| ·确定染色品色差评价指标与评价量化等级 | 第80-81页 |
| ·色差评价算法 | 第81-82页 |
| ·基于支持向量机的色差评价模型 | 第82页 |
| ·实验与结果分析 | 第82-86页 |
| ·标准支持向量机评价模型实验 | 第83-85页 |
| ·标准支持向量机算法评价模型的验证 | 第85页 |
| ·标准支持向量机算法和最小二乘支持向量机算法的比较 | 第85-86页 |
| ·本章小结 | 第86-87页 |
| 第六章 总结与展望 | 第87-89页 |
| ·本文总结 | 第87-88页 |
| ·课题展望 | 第88-89页 |
| 参考文献 | 第89-93页 |
| 附录 | 第93-102页 |
| 攻读硕士学位期间的研究成果 | 第102-103页 |
| 致谢 | 第103页 |
