基于视觉显著图构建的织物疵点图像分割
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9页 |
| 1.2 研究目的及意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-11页 |
| 1.4 研究内容 | 第11-13页 |
| 2 视觉显著性计算模型 | 第13-25页 |
| 2.1 人类视觉系统 | 第13-15页 |
| 2.1.1 视觉信息获取 | 第13-14页 |
| 2.1.2 视觉信息处理 | 第14-15页 |
| 2.1.3 视觉信息理解 | 第15页 |
| 2.2 视觉注意机制 | 第15-17页 |
| 2.3 视觉显著性 | 第17-18页 |
| 2.4 织物疵点图像与其视觉显著性 | 第18-20页 |
| 2.4.1 织物疵点种类分析 | 第18-19页 |
| 2.4.2 织物疵点图像的视觉显著性 | 第19-20页 |
| 2.5 经典视觉显著性计算模型分析 | 第20-21页 |
| 2.6 织物疵点图像的视觉显著性计算模型 | 第21-23页 |
| 2.7 模型实施方案 | 第23-25页 |
| 2.7.1 特征提取 | 第23-24页 |
| 2.7.2 显著图构建策略 | 第24-25页 |
| 3 织物疵点图像的亮度显著图构建 | 第25-41页 |
| 3.1 织物图像的整体亮度特征兴趣区提取 | 第26-31页 |
| 3.1.1 织物图像整体亮度特征分析 | 第26-27页 |
| 3.1.2 织物图像整体亮度显著性度量 | 第27-29页 |
| 3.1.3 织物图像整体亮度特征提取 | 第29-30页 |
| 3.1.4 织物图像整体亮度显著性提高 | 第30-31页 |
| 3.2 织物图像的局部亮度特征提取 | 第31-36页 |
| 3.2.1 小波及小波变换简介 | 第31-32页 |
| 3.2.2 连续小波变换 | 第32-33页 |
| 3.2.3 一维及二维离散小波变换 | 第33-34页 |
| 3.2.4 织物图像的小波多分辨率分解 | 第34-36页 |
| 3.3 综合亮度显著图构建 | 第36-41页 |
| 4 织物疵点图像的方向特征显著图构建 | 第41-57页 |
| 4.1 织物图像的高斯金字塔分解 | 第42-43页 |
| 4.1.1 高斯金子塔模型简介 | 第42页 |
| 4.1.2 织物图像多层分解 | 第42-43页 |
| 4.2 织物图像的纹理特性 | 第43-47页 |
| 4.2.1 自相关函数特性 | 第43-45页 |
| 4.2.2 方向特性 | 第45-47页 |
| 4.3 织物图像处理的滤波器组设计 | 第47-54页 |
| 4.3.1 Gabor滤波器简介 | 第47-48页 |
| 4.3.2 Gabor滤波器组设计 | 第48-54页 |
| 4.4 织物图像的方向特征显著图构建 | 第54-57页 |
| 5 织物图像分割实验与分析 | 第57-65页 |
| 5.1 实验方案设计 | 第57页 |
| 5.2 本文算法分割完整性验证 | 第57-61页 |
| 5.2.1 织物亮度特征显著图分割 | 第57-59页 |
| 5.2.2 织物方向特征显著图分割 | 第59-60页 |
| 5.2.3 织物疵点图像形成 | 第60页 |
| 5.2.4 织物图像分割对比实验 | 第60-61页 |
| 5.3 本文算法分割的准确率验证 | 第61-63页 |
| 5.3.1 织物图像分割准确率定义 | 第61-62页 |
| 5.3.2 准确率分割实验结果与分析 | 第62-63页 |
| 5.4 本章小结 | 第63-65页 |
| 6 总结与展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读学位期间发表学术论文 | 第71-72页 |
| 致谢 | 第72页 |
