基于机器视觉的帘子布疵点识别与分类研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1. 绪论 | 第8-14页 |
| ·课题研究的背景与意义 | 第8-9页 |
| ·基于机器视觉的织物疵点识别的研究进程 | 第9-13页 |
| ·国外研究进程 | 第9-12页 |
| ·国内研究进程 | 第12-13页 |
| ·本文研究的内容 | 第13-14页 |
| 2. 帘子布疵点及机器视觉检测系统的实现 | 第14-22页 |
| ·常见帘子布疵点以及本文所要识别的疵点 | 第14-15页 |
| ·机器视觉检测系统的实现 | 第15-17页 |
| ·机器视觉概述 | 第15-16页 |
| ·系统性能分析 | 第16-17页 |
| ·基于机器视觉的帘子布疵点自动检测平台构成 | 第17-20页 |
| ·照明和光学成像部分 | 第18-19页 |
| ·图像采集部分 | 第19页 |
| ·帘子布检测执行机构部分 | 第19-20页 |
| ·帘子布疵点处理和信息管理部分 | 第20页 |
| ·帘子布疵点图像自动识别流程 | 第20页 |
| ·本章小结 | 第20-22页 |
| 3. 帘子布疵点识别原理 | 第22-29页 |
| ·疵点图像分割方法的原理 | 第22-23页 |
| ·疵点分割的方法介绍 | 第22-23页 |
| ·特征值提取方法 | 第23-25页 |
| ·特征提取方法简介 | 第24-25页 |
| ·疵点识别和分类方法 | 第25-29页 |
| ·BP 神经网络 | 第25-27页 |
| ·感知器神经网络 | 第27-29页 |
| 4. 基于改进PSO 算法优化的最小误差图像分割 | 第29-35页 |
| ·最小误差图像分割理论 | 第29-30页 |
| ·PSO 算法及其改进 | 第30-32页 |
| ·典型PSO 算法 | 第30-31页 |
| ·PSO 算法的改进 | 第31-32页 |
| ·用PSO 改进算法优化最小误差分割法的实现步骤 | 第32页 |
| ·实验结果及分析 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 5. 帘子布疵点特征提取 | 第35-40页 |
| ·本文识别的帘子布疵点外观特征 | 第35-36页 |
| ·疵点提取特征分析 | 第36-37页 |
| ·实验结果与讨论 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 6. 感知器神经网络分类 | 第40-45页 |
| ·感知器神经网络的构建 | 第40-43页 |
| ·单层感知器 | 第40-41页 |
| ·感知器的学习算法 | 第41-42页 |
| ·帘子布疵点识别的单层感知器神经网络 | 第42-43页 |
| ·实验结果及讨论 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 7. 总结与展望 | 第45-46页 |
| ·总结 | 第45页 |
| ·存在问题与展望 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 附录：硕士研究生学习阶段发表论文 | 第49-50页 |
| 致谢 | 第50-51页 |
