| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题研究的背景及意义 | 第10页 |
| 1.2 国内外研究背景 | 第10-12页 |
| 1.3 国内外研究现状 | 第12-15页 |
| 1.3.1 空间域的织物疵点检测 | 第12-14页 |
| 1.3.2 基于谱方法的疵点检测算法 | 第14-15页 |
| 1.3.3 基于模型的织物疵点检测 | 第15页 |
| 1.4 织物瑕疵分类算法的介绍 | 第15-16页 |
| 1.4.1 特征提取 | 第15-16页 |
| 1.4.2 特征分析 | 第16页 |
| 1.4.3 分类器设计 | 第16页 |
| 1.5 本文的工作安排 | 第16-18页 |
| 第二章 织物疵点实时检测系统概述 | 第18-23页 |
| 2.1 传统的织物疵点检测系统 | 第18页 |
| 2.2 织物疵点自动检测的系统总体结构图 | 第18-19页 |
| 2.3 织物疵点自动检测和分类算法的软件设计 | 第19-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 织物图像的预处理 | 第23-29页 |
| 3.1 织物疵点的种类及其形成原因 | 第23-24页 |
| 3.2 织物图像的预处理 | 第24-28页 |
| 3.2.1 同态滤波 | 第24-26页 |
| 3.2.2 直方图均衡化 | 第26-28页 |
| 3.3 本章小结 | 第28-29页 |
| 第四章 基于小波变换的织物疵点检测 | 第29-49页 |
| 4.1 小波理论发展 | 第29页 |
| 4.2 小波变换 | 第29-30页 |
| 4.3 小波变换的分类 | 第30-31页 |
| 4.3.1 连续小波变换 | 第30-31页 |
| 4.3.2 离散小波变换 | 第31页 |
| 4.4 多分辨率分析 | 第31-33页 |
| 4.4.1 尺度函数和小波函数 | 第33页 |
| 4.5 Mallat算法 | 第33-37页 |
| 4.5.1 小波正交基 | 第33-34页 |
| 4.5.2 Mallat算法原理 | 第34-37页 |
| 4.6 织物图像的小波分解 | 第37-40页 |
| 4.6.1 小波基的选取 | 第38-40页 |
| 4.7 基于多尺度融合和阈值自适应的小波模极大值织物疵点边缘检测 | 第40-48页 |
| 4.7.1 织物边缘疵点检测的思想 | 第40-41页 |
| 4.7.2 织物的多尺度模极大值疵点检测原理 | 第41-42页 |
| 4.7.3 对梯度幅值进行非极大值抑制 | 第42-43页 |
| 4.7.4 边缘自适应阈值分析 | 第43页 |
| 4.7.5 织物图像分解层数的确定 | 第43-44页 |
| 4.7.6 多尺度边缘融合 | 第44-45页 |
| 4.7.7 实验分析 | 第45-48页 |
| 4.8 本章小结 | 第48-49页 |
| 第五章 织物疵点的特征提取 | 第49-61页 |
| 5.1 灰度共生矩阵 | 第50页 |
| 5.2 灰度共生矩阵的参数特征 | 第50-51页 |
| 5.3 LBP算子 | 第51-54页 |
| 5.3.1 均匀模式LBP算子 | 第52-53页 |
| 5.3.2 基于中值的旋转不变的LBP算子 | 第53-54页 |
| 5.4 特征融合算法 | 第54-55页 |
| 5.5 织物疵点检测的应用 | 第55-60页 |
| 5.6 本章小结 | 第60-61页 |
| 第六章 基于在线ELM的织物疵点分类 | 第61-74页 |
| 6.1 ELM算法理论基础 | 第61-63页 |
| 6.1.1 单隐层前馈神经网络的基本理论和研究现状 | 第61-62页 |
| 6.1.2 ELM算法 | 第62-63页 |
| 6.2 在线ELM算法 | 第63-66页 |
| 6.3 基于灵敏度分析法的在线ELM剪枝算法 | 第66-69页 |
| 6.3.1 灵敏度网络规模适应度定义 | 第67-68页 |
| 6.3.2 灵敏度权值的更新 | 第68-69页 |
| 6.4 正则化的SAOS-ELM | 第69-70页 |
| 6.5 基于RSAOS-ELM算法的织物疵点检测 | 第70-73页 |
| 6.6 本章小结 | 第73-74页 |
| 第七章 总结与展望 | 第74-76页 |
| 7.1 总结 | 第74-75页 |
| 7.2 展望 | 第75-76页 |
| 参考文献 | 第76-81页 |
| 攻读硕士学位期间研究成果 | 第81-82页 |
| 致谢 | 第82页 |