LBP算法在织物疵点检测及分类中的应用
| 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9-10页 |
| ·研究现状 | 第10-14页 |
| ·纺织品疵点检测算法 | 第10-11页 |
| ·纺织品疵点分类算法 | 第11-12页 |
| ·纺织品疵点自动化检测系统产品 | 第12-14页 |
| ·文章结构 | 第14-15页 |
| 2 局部二进制模式算子概述 | 第15-23页 |
| ·LBP算子原理 | 第15-17页 |
| ·LBP算子的发展和改进 | 第17-22页 |
| ·圆形邻域的LBP算子 | 第17-18页 |
| ·LBP算子的旋转不变特性 | 第18-19页 |
| ·统一模式的LBP算子 | 第19-21页 |
| ·改进后的LBP算子总结 | 第21-22页 |
| ·LBP算子的应用 | 第22页 |
| ·小结 | 第22-23页 |
| 3 基于LBP算法的织物疵点检测 | 第23-33页 |
| ·引言 | 第23页 |
| ·织物图像预处理 | 第23-25页 |
| ·图像中值滤波处理 | 第23-24页 |
| ·图像直方图均衡化处理 | 第24-25页 |
| ·图像特征提取 | 第25-26页 |
| ·疵点检测步骤 | 第26-28页 |
| ·训练阶段 | 第26-28页 |
| ·检测阶段 | 第28页 |
| ·疵点检测框图 | 第28页 |
| ·检测结果及分析 | 第28-32页 |
| ·小结 | 第32-33页 |
| 4 基于改进的LBP和SOM的织物疵点检测 | 第33-47页 |
| ·引言 | 第33页 |
| ·图像的二维小波分解 | 第33-36页 |
| ·小波变换原理 | 第33-34页 |
| ·二维离散小波分解过程 | 第34-36页 |
| ·LBP算法的改进 | 第36-37页 |
| ·自组织特征映射神经网络（SOM） | 第37-39页 |
| ·SOM的原理 | 第37-38页 |
| ·SOM对疵点信息的识别 | 第38-39页 |
| ·算法步骤 | 第39-40页 |
| ·检测结果及分析 | 第40-45页 |
| ·小结 | 第45-47页 |
| 5 基于LBP和灰度共生矩阵的织物疵点分类 | 第47-59页 |
| ·引言 | 第47页 |
| ·灰度共生矩阵 | 第47-50页 |
| ·灰度共生矩阵原理 | 第48-49页 |
| ·灰度共生矩阵计算方法 | 第49-50页 |
| ·BP神经网络 | 第50-52页 |
| ·BP神经网络的原理 | 第50-51页 |
| ·BP神经网络的改进 | 第51-52页 |
| ·分类实验 | 第52-57页 |
| ·实验数据设置 | 第52-53页 |
| ·分类结果分析 | 第53-57页 |
| ·小结 | 第57-59页 |
| 6 总结与展望 | 第59-61页 |
| ·本文整体总结 | 第59-60页 |
| ·本文展望 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 作者攻读学位期间发表学术论文清单 | 第67-69页 |
| 致谢 | 第69页 |
