基于切面投影图像的织物起球等级的计算机视觉评定
| 引言 | 第1-16页 |
| 第一章 织物起球等级评估的国内外研究现状综述 | 第16-28页 |
| ·织物起球方法 | 第16-17页 |
| ·织物起球等级的主观评估 | 第17-19页 |
| ·织物起球的客观评估 | 第19-23页 |
| ·基于起球织物灰度图像的分析方法 | 第19-21页 |
| ·基于起球织物距离图像的分析方法 | 第21-23页 |
| ·本文研究的主要内容 | 第23-25页 |
| 参考文献 | 第25-28页 |
| 第二章 序列切面投影图像的采集 | 第28-36页 |
| ·序列切面投影图像的采集装置 | 第28-29页 |
| ·织物起球图像中毛球的伸缩变形与“粘连” | 第29-32页 |
| ·异型杆包绕边缘曲率半径与异型杆截面形状设计 | 第32-34页 |
| ·采集结果 | 第34页 |
| ·结语 | 第34-36页 |
| 第三章 织物起球图像的获取 | 第36-51页 |
| ·序列切面投影图像背景光强的选择 | 第36-38页 |
| ·序列切面投影图像中织物边缘轮廓的检测 | 第38-45页 |
| ·经典检测算子 | 第38-40页 |
| ·LOG算子 | 第40-44页 |
| ·边缘检测结果 | 第44-45页 |
| ·序列切面投影图像轮廓线高度的提取 | 第45-47页 |
| ·织物起球图像的获取 | 第47-50页 |
| ·结语 | 第50页 |
| 参考文献 | 第50-51页 |
| 第四章 织物起球图像的预处理和毛球分割 | 第51-73页 |
| ·织物起球图像的预处理 | 第51-58页 |
| ·毛球孔洞的消除 | 第51-54页 |
| ·图像背景不匀的消除 | 第54-56页 |
| ·起球图像的预处理结果 | 第56-58页 |
| ·织物起球图像的毛球分割 | 第58-64页 |
| ·类别方差门限法的阈值分割 | 第58-59页 |
| ·矩不变自动门限法的阈值分割 | 第59-61页 |
| ·向后削减自动门限法的阈值分割 | 第61-62页 |
| ·高斯拟合阈值法的分割 | 第62-64页 |
| ·毛球分割的实验结果 | 第64-72页 |
| ·四种阈值法的分析与比较 | 第64-67页 |
| ·四种阈值法的毛球分割结果比较 | 第67-68页 |
| ·应用高斯拟合阈值发对不同类型织物的毛球分割结果 | 第68-72页 |
| ·结语 | 第72页 |
| 参考文献 | 第72-73页 |
| 第五章 织物起球特征的提取与分析 | 第73-82页 |
| ·特征值提取 | 第73-77页 |
| ·织物起球图像上的特征值提取 | 第73-74页 |
| ·准二值图像上的特征值提取 | 第74-76页 |
| ·二值图像上的特征值提取 | 第76-77页 |
| ·特征值分析 | 第77-81页 |
| ·特征值与起球等级的相关性分析 | 第77-79页 |
| ·特征值的可分性分析 | 第79-81页 |
| ·特征值选择 | 第81页 |
| ·结语 | 第81页 |
| 参考文献 | 第81-82页 |
| 第六章 基于神经网络的起球等级模式识别 | 第82-103页 |
| ·神经网络简述 | 第82-84页 |
| ·神经网络的结构 | 第82-83页 |
| ·神经网络在模式识别中的应用 | 第83-84页 |
| ·神经网络的学习方式 | 第84页 |
| ·基于Bp网络的模式识别 | 第84-93页 |
| ·Bp网络模型 | 第84-88页 |
| ·结构参数设计 | 第88-90页 |
| ·实验结果与讨论 | 第90-93页 |
| ·基于自组织神经网络的模式识别 | 第93-100页 |
| ·自组织特征映射网络建模 | 第93-97页 |
| ·自组织网络的结构设计 | 第97-98页 |
| ·实验结果与讨论 | 第98-100页 |
| ·Bp网络和自组织神经网络的比较 | 第100-101页 |
| ·结语 | 第101-102页 |
| 参考文献 | 第102-103页 |
| 第七章 总结与展望 | 第103-105页 |
| ·本文的主要贡献 | 第103-104页 |
| ·本文存在的问题和进一步研究方向 | 第104-105页 |
| 附录 | 第105-110页 |
