| 摘要 | 第1-8页 |
| Abstract | 第8-16页 |
| 第1章 绪论 | 第16-33页 |
| ·选题背景及研究意义 | 第16-19页 |
| ·目前服装行业中质量检测特点 | 第16-17页 |
| ·服装质量检验的重要性 | 第17页 |
| ·服装疵点的分类与构成 | 第17-18页 |
| ·本研究的出发点和意义 | 第18-19页 |
| ·已有服装疵点检测的研究与进展 | 第19-22页 |
| ·服装面料的疵点自动检测国内外研究现状 | 第19-22页 |
| ·服装产品的疵点检测研究存在的问题 | 第22页 |
| ·服装检验的标准与技术 | 第22-26页 |
| ·国际及国内标准与指标 | 第22-24页 |
| ·具有代表性的服装功能性标准与指标 | 第24-26页 |
| ·目前代表性的服装疵点检测技术与方法研究 | 第26-30页 |
| ·检测仪器和装置 | 第26-27页 |
| ·服装疵点识别的图像处理与分析技术 | 第27-28页 |
| ·服装疵点识别的小波变换处理与分析技术 | 第28-29页 |
| ·服装疵点识别的人工神经网络技术 | 第29页 |
| ·服装疵点识别的其他算法与技术 | 第29-30页 |
| ·服装生产中质量控制与检测 | 第30页 |
| ·本文的研究内容与创新点 | 第30-33页 |
| ·主要存在问题和研究内容 | 第30-32页 |
| ·创新点 | 第32-33页 |
| 第2章 服装疵点双图像融合方法研究 | 第33-62页 |
| ·图像融合方法 | 第33-37页 |
| ·图像融合技术 | 第33-34页 |
| ·图像融合模型和算法 | 第34-36页 |
| ·图像融合分类 | 第36-37页 |
| ·服装疵点双图像融合方案研究 | 第37-46页 |
| ·多聚焦图像融合 | 第37-38页 |
| ·像素级图像融合基本方法 | 第38-39页 |
| ·小波变换融合方法 | 第39-41页 |
| ·图像的小波变换 | 第41-42页 |
| ·融合规则设计 | 第42-43页 |
| ·小波变换双图像融合实验结果 | 第43-44页 |
| ·运用小波能量进行双图像融合结果分析 | 第44-46页 |
| ·混合多分辨率图像融合处理 | 第46-52页 |
| ·混合多分辨率分析 | 第46-47页 |
| ·混合多尺度几何分析的图像融合框架 | 第47-48页 |
| ·Curvelet变换与小波变换的图像融合设计 | 第48-49页 |
| ·图像小波变换与图像Curvelet变换相结合的融合设计 | 第49-50页 |
| ·图像融合实验结果与分析 | 第50-52页 |
| ·图像融合框架 | 第52-60页 |
| ·图像融合框架结构设计 | 第52-54页 |
| ·形态算子与空间频率相结合的双(多)图像融合设计 | 第54-57页 |
| ·结合形态算子与空间频率的双(多)图像融合实验结果与分析 | 第57-60页 |
| ·本章小结 | 第60-62页 |
| 第3章 服装疵点图像预处理系统技术理论研究 | 第62-103页 |
| ·图像数字化的定义与方法 | 第62-63页 |
| ·服装疵点图像预处理 | 第63-88页 |
| ·本文处理的服装工艺上的部分疵点特征展示 | 第63-67页 |
| ·服装疵点图像的彩色图像灰度化处理 | 第67-68页 |
| ·服装疵点图像的图像预处理软件环境MATLAB7.0 | 第68页 |
| ·服装疵点图像的采样环节与量化环节 | 第68-69页 |
| ·服装疵点图像的图像消噪 | 第69-73页 |
| ·服装疵点图像的图像增强 | 第73-77页 |
| ·服装疵点图像的二值化 | 第77-79页 |
| ·服装疵点图像的图像分割 | 第79-80页 |
| ·服装疵点图像的边缘检测 | 第80-88页 |
| ·服装疵点图像的预处理仿真实验与分析 | 第88-100页 |
| ·本章小结 | 第100-103页 |
| 第4章 服装疵点图像特征提取系统技术理论研究 | 第103-113页 |
| ·服装疵点图像特征提取方案 | 第103-107页 |
| ·图像特征分类 | 第103页 |
| ·图像纹理特征 | 第103-104页 |
| ·图像纹理特征提取 | 第104-105页 |
| ·图像纹理特征描述方法 | 第105-107页 |
| ·服装疵点图像的特征提取仿真实验与分析 | 第107-111页 |
| ·提取特征参数 | 第107-108页 |
| ·浅易纹理服装疵点图像特征提取与分析 | 第108-109页 |
| ·繁杂纹理服装疵点图像特征提取与分析 | 第109-110页 |
| ·超繁纹理服装疵点图像特征提取与分析 | 第110-111页 |
| ·本章小结 | 第111-113页 |
| 第5章 服装疵点图像模式分类技术研究 | 第113-154页 |
| ·服装疵点图像模式分类方案 | 第113-121页 |
| ·图像模式分类 | 第113-114页 |
| ·图像模式分类方法 | 第114-116页 |
| ·图像模式相似性测度 | 第116-118页 |
| ·图像特征提取 | 第118-119页 |
| ·图像分类器设计 | 第119页 |
| ·图像分类器设计方法 | 第119-121页 |
| ·服装疵点图像模式分类的分类器设计 | 第121-134页 |
| ·人工神经网络的服装疵点图像数学模型分类 | 第121-122页 |
| ·人工神经网络学习过程与方式 | 第122-124页 |
| ·人工神经网络的感知器数学模型 | 第124-125页 |
| ·常见人工神经网络数学模型 | 第125-132页 |
| ·人工神经网络数学模型分类器的设计 | 第132-134页 |
| ·服装疵点图像的模式分类仿真实验与分析 | 第134-150页 |
| ·BP网络数学模型及改进BP网络数学模型服装疵点图像检测 | 第134-146页 |
| ·径向基网络数学模型服装疵点图像检测 | 第146-150页 |
| ·本章小结 | 第150-154页 |
| 第6章 服装疵点双图像获取系统设计 | 第154-168页 |
| ·机器视觉系统技术 | 第154页 |
| ·双图像获取系统方案 | 第154-159页 |
| ·双图像获取原理 | 第154-155页 |
| ·双图像获取系统的自由度 | 第155-156页 |
| ·基线的选择设计 | 第156-157页 |
| ·电机控制方案的选取 | 第157-158页 |
| ·双图像获取系统平台机械结构设计 | 第158-159页 |
| ·双图像获取系统主要装置十字机构 | 第159页 |
| ·双图像获取系统硬件结构的实现 | 第159-167页 |
| ·双图像获取系统硬件总体结构 | 第159-160页 |
| ·双图像获取系统视觉子系统 | 第160-163页 |
| ·双图像获取系统识别子系统 | 第163页 |
| ·双图像获取系统辅助子系统 | 第163-164页 |
| ·双图像获取系统单片机控制子系统 | 第164-165页 |
| ·双图像获取系统PID控制算法 | 第165-167页 |
| ·本章小结 | 第167-168页 |
| 第7章 结论及其展望 | 第168-173页 |
| ·结论 | 第168-172页 |
| ·未来工作展望 | 第172-173页 |
| 参考文献 | 第173-180页 |
| 附录A 部分样品的原典型图片 | 第180-188页 |
| 附录B 部分样品的原典型图片 | 第188-196页 |
| 附录C 部分样品的原典型图片 | 第196-204页 |
| 攻读博士期间发表的学术论文 | 第204-205页 |
| 致谢 | 第205页 |
