| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-16页 |
| 1.2.1 织物瑕疵自动检测设备研究现状 | 第10-12页 |
| 1.2.2 织物瑕疵检测算法研究现状 | 第12-14页 |
| 1.2.3 视觉显著性检测方法研究现状 | 第14-15页 |
| 1.2.4 支持向量机研究现状 | 第15-16页 |
| 1.3 主要内容与安排 | 第16-18页 |
| 第二章 基于视觉显著模型的织物图像分割 | 第18-31页 |
| 2.1 人眼视觉系统与视觉注意机制 | 第18-21页 |
| 2.1.1 人眼视觉系统 | 第18-20页 |
| 2.1.2 视觉注意机制 | 第20-21页 |
| 2.2 典型视觉显著模型 | 第21-27页 |
| 2.2.1 Itti模型 | 第22-25页 |
| 2.2.2 GBVS模型 | 第25-26页 |
| 2.2.3 DVA模型 | 第26-27页 |
| 2.3 本文构建的视觉显著模型 | 第27-29页 |
| 2.4 织物图像显著区域的分割 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 织物图像特征的提取与选择 | 第31-43页 |
| 3.1 特征提取概述 | 第31-32页 |
| 3.2 织物图像的特征提取 | 第32-37页 |
| 3.2.1 几何特征 | 第32-33页 |
| 3.2.2 纹理特征 | 第33-37页 |
| 3.2.3 显著性特征 | 第37页 |
| 3.3 特征降维概述 | 第37-40页 |
| 3.3.1 特征选择 | 第39-40页 |
| 3.3.2 特征变换 | 第40页 |
| 3.4 织物图像的特征选择 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 实现织物瑕疵分类的多类SVM构造 | 第43-52页 |
| 4.1 SVM的基本理论 | 第43-48页 |
| 4.1.1 线性SVM | 第44-46页 |
| 4.1.2 非线性SVM | 第46-47页 |
| 4.1.3 核函数选择问题 | 第47-48页 |
| 4.2 多类SVM的构造策略 | 第48-50页 |
| 4.3 针对织物图像的策略选择 | 第50页 |
| 4.4 本章小结 | 第50-52页 |
| 第五章 基于ITTI显著模型和多类SVM的织物瑕疵检测 | 第52-62页 |
| 5.1 织物图像的采集 | 第52-53页 |
| 5.2 织物图像的瑕疵检测 | 第53-58页 |
| 5.2.1 视觉显著区域提取 | 第54-56页 |
| 5.2.2 有、无瑕疵图像的判定 | 第56页 |
| 5.2.3 瑕疵图像的特征提取与选择 | 第56-57页 |
| 5.2.4 多类SVM实现瑕疵分类 | 第57-58页 |
| 5.3 实验结果与分析 | 第58-61页 |
| 5.4 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 全文总结 | 第62-63页 |
| 6.2 课题展望 | 第63-64页 |
| 参考文献 | 第64-70页 |
| 攻读学位期间本人出版或公开发表的论著、论文 | 第70-71页 |
| 致谢 | 第71-72页 |