| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 基于频域的图像预处理方法 | 第10-12页 |
| 1.2.2 特征提取 | 第12-13页 |
| 1.2.3 图嵌入 | 第13-15页 |
| 1.3 研究内容与技术路线 | 第15-16页 |
| 1.4 课题来源 | 第16-17页 |
| 2 基于Gabor滤波簇与Isomap算法的疵点检测方法 | 第17-35页 |
| 2.1 Gabor滤波簇 | 第17-20页 |
| 2.1.1 Gabor滤波器 | 第17-18页 |
| 2.1.2 Gabor滤波器的参数选择 | 第18-20页 |
| 2.2 等距映射算法 | 第20-21页 |
| 2.3 Isomap结构参数的优化 | 第21-24页 |
| 2.3.1 离散粒子群 | 第21-23页 |
| 2.3.2 Ncut准则 | 第23页 |
| 2.3.3 ISOMAP参数优化方法 | 第23-24页 |
| 2.4 新增样本的低维嵌入模型 | 第24页 |
| 2.5 概率神经网络 | 第24-25页 |
| 2.6 基于Gabor滤波簇和ISOMAP方法的疵点检测方法 | 第25-27页 |
| 2.7 实验结果与分析 | 第27-34页 |
| 2.8 本章小结 | 第34-35页 |
| 3 基于改进FT算法的纺织品疵点辨识 | 第35-49页 |
| 3.1 频率调谐显著算法 | 第35-37页 |
| 3.1.1 频率调谐显著算法 | 第35-36页 |
| 3.1.2 FT算法在纺织品疵点检测中的不足 | 第36-37页 |
| 3.2 改进的FT方法 | 第37-39页 |
| 3.3 基于灰度共生矩阵的特征提取方法 | 第39-41页 |
| 3.4 基于改进FT算法的疵点检测方法 | 第41-42页 |
| 3.5 实验结果与分析 | 第42-48页 |
| 3.5.1 实验一 | 第42-43页 |
| 3.5.2 实验二 | 第43-48页 |
| 3.6 本章小结 | 第48-49页 |
| 4 总结和展望 | 第49-51页 |
| 4.1 全文总结 | 第49页 |
| 4.2 研究展望 | 第49-51页 |
| 参考文献 | 第51-56页 |
| 附录 | 第56-57页 |
| 致谢 | 第57页 |