| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-15页 |
| ·课题来源 | 第9页 |
| ·研究背景及意义 | 第9页 |
| ·研究现状 | 第9-13页 |
| ·织物疵点检测算法分析 | 第10-11页 |
| ·织物疵点分类算法分析 | 第11-12页 |
| ·织物疵点检测产品的分析 | 第12-13页 |
| ·课题研究的关键技术 | 第13页 |
| ·文章的总体结构 | 第13-15页 |
| 2 基于小波变换和BP神经网络的织物疵点检测 | 第15-35页 |
| ·引言 | 第15页 |
| ·小波变换简介 | 第15-17页 |
| ·BP神经网络 | 第17-18页 |
| ·基于小波变换的常见织物疵点的检测 | 第18-25页 |
| ·图像预处理 | 第19-20页 |
| ·小波基和分层数的确定 | 第20-21页 |
| ·特征提取 | 第21-24页 |
| ·常见疵点检测结果分析 | 第24-25页 |
| ·基于小波变换缝合疵点的检测 | 第25-32页 |
| ·图像平滑 | 第27-29页 |
| ·阈值和降噪 | 第29页 |
| ·特征提取 | 第29-31页 |
| ·缝合疵点的检测结果 | 第31-32页 |
| ·本章小结 | 第32-35页 |
| 3 基于多尺度多方向自相关函数法的织物疵点检测研究 | 第35-49页 |
| ·引言 | 第35页 |
| ·基于MSMD特征提取方法的综述 | 第35-36页 |
| ·基于MSMD ACF方法的特征提取 | 第36-44页 |
| ·自适应滑动窗口大小的确定 | 第36-38页 |
| ·多尺度、多方向的自相关函数提取特征值 | 第38-42页 |
| ·基于Log-Gabor方法提取特征值 | 第42-44页 |
| ·LVQ神经网络分类器 | 第44-47页 |
| ·实验结果和小结 | 第47-49页 |
| 4 织物疵点在线自动检测系统实现 | 第49-63页 |
| ·引言 | 第49页 |
| ·疵点自动检测硬件系统构成 | 第49-56页 |
| ·疵点自动检测软件系统构成 | 第56-62页 |
| ·图像预处理模块 | 第57-61页 |
| ·疵点检测算法模块 | 第61-62页 |
| ·总结 | 第62-63页 |
| 5 总结和展望 | 第63-65页 |
| ·全文总结 | 第63页 |
| ·课题展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 作者攻读学位期间发表学术论文清单 | 第69-71页 |
| 致谢 | 第71页 |