| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 课题研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 布匹瑕疵检测系统的研究现状 | 第14-16页 |
| 1.2.2 布匹瑕疵检测算法的研究现状 | 第16-18页 |
| 1.3 本文的研究内容 | 第18-21页 |
| 第二章 布匹瑕疵检测系统的整体研究 | 第21-31页 |
| 2.1 瑕疵检测要求及算法分析 | 第21-22页 |
| 2.1.1 检测要求 | 第21-22页 |
| 2.1.2 算法分析 | 第22页 |
| 2.2 系统总体方案研究 | 第22-23页 |
| 2.3 检测系统硬件选型 | 第23-28页 |
| 2.3.1 工业相机的选型 | 第23-24页 |
| 2.3.2 镜头的选型 | 第24-25页 |
| 2.3.3 光源的选型 | 第25-27页 |
| 2.3.4 编码器的选型 | 第27-28页 |
| 2.4 系统软件设计流程 | 第28-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第三章 布匹瑕疵检测算法研究 | 第31-53页 |
| 3.1 图像预处理 | 第31-36页 |
| 3.1.1 滤波去噪 | 第31-34页 |
| 3.1.2 图像锐化 | 第34-35页 |
| 3.1.3 消除光照不均匀影响 | 第35-36页 |
| 3.2 Gabor滤波器 | 第36-39页 |
| 3.2.1 Gabor滤波器的原理 | 第36-38页 |
| 3.2.2 Gabor滤波对纹理的效果 | 第38-39页 |
| 3.3 小波变换 | 第39-45页 |
| 3.3.1 多分辨率分析 | 第39-41页 |
| 3.3.2 一维小波变换 | 第41-43页 |
| 3.3.3 二维小波变换 | 第43-45页 |
| 3.4 Laws纹理滤波 | 第45-48页 |
| 3.5 小波变换和Laws纹理滤波结合的改进 | 第48-50页 |
| 3.5.1 算法描述 | 第48-49页 |
| 3.5.2 算法流程 | 第49-50页 |
| 3.6 实验结果与分析 | 第50-51页 |
| 3.7 本章小结 | 第51-53页 |
| 第四章 布匹瑕疵分类算法研究 | 第53-77页 |
| 4.1 瑕疵特征提取 | 第53-60页 |
| 4.1.1 特征提取方法 | 第53-59页 |
| 4.1.2 特征提取 | 第59-60页 |
| 4.2 高斯混合模型分类 | 第60-63页 |
| 4.2.1 高斯混合模型 | 第60-61页 |
| 4.2.2 GMM参数估计 | 第61-63页 |
| 4.3 神经网络分类 | 第63-66页 |
| 4.3.1 BP神经网络 | 第63页 |
| 4.3.2 BP神经网络训练法则 | 第63-66页 |
| 4.4 模拟退火算法 | 第66-68页 |
| 4.5 粒子群算法 | 第68-70页 |
| 4.6 基于模拟退火和粒子群混合算法的BP网络分类算法 | 第70-72页 |
| 4.6.1 算法描述 | 第70页 |
| 4.6.2 算法流程 | 第70-72页 |
| 4.7 实验结果及分析 | 第72-75页 |
| 4.7.1 隐藏层节点数对神经网络性能的影响 | 第72-73页 |
| 4.7.2 不同分类器分类性能比较 | 第73-75页 |
| 4.8 本章小结 | 第75-77页 |
| 第五章 布匹瑕疵检测系统的软件设计与性能试验 | 第77-85页 |
| 5.1 系统的软件设计 | 第77-83页 |
| 5.1.1 系统软件构架 | 第77-78页 |
| 5.1.2 相机控制模块 | 第78-79页 |
| 5.1.3 瑕疵检测模块 | 第79-81页 |
| 5.1.4 瑕疵分类模块 | 第81页 |
| 5.1.5 瑕疵信息管理模块 | 第81-82页 |
| 5.1.6 电机控制模块 | 第82-83页 |
| 5.2 性能试验研究 | 第83-84页 |
| 5.3 本章小结 | 第84-85页 |
| 第六章 总结与展望 | 第85-87页 |
| 参考文献 | 第87-92页 |
| 致谢 | 第92-93页 |
| 硕士期间研究成果 | 第93-94页 |
| 附录 | 第94-98页 |