| 摘要 | 第1-3页 |
| ABSTRACT | 第3-7页 |
| 1 绪论 | 第7-11页 |
| ·课题来源 | 第7页 |
| ·研究背景及意义 | 第7页 |
| ·研究现状 | 第7-9页 |
| ·织物疵点检测算法 | 第8页 |
| ·织物疵点分类算法 | 第8-9页 |
| ·织物疵点检测产品的分析 | 第9页 |
| ·机器视觉系统结构 | 第9-10页 |
| ·文章结构 | 第10-11页 |
| 2 基于改进型Gabor滤波器的织物疵点检测 | 第11-17页 |
| ·引言 | 第11页 |
| ·基于改进型Gabor滤波器的织物疵点检测 | 第11-14页 |
| ·Gabor函数 | 第11-13页 |
| ·改进的Gabor滤波器 | 第13-14页 |
| ·利用损失评价函数对滤波结果选取 | 第14页 |
| ·对滤波结果进行二值化 | 第14页 |
| ·实验分析及结果 | 第14-16页 |
| ·本章小结 | 第16-17页 |
| 3 基于多尺度小波变换与高斯混合模型织物疵点的检测 | 第17-31页 |
| ·引言 | 第17页 |
| ·多尺度小波变换 | 第17-19页 |
| ·小波阈值去噪 | 第19页 |
| ·基于EM算法的高斯混合模型原理 | 第19-23页 |
| ·高斯混合模型和最大似然函数 | 第19-20页 |
| ·最大似然函数 | 第20-22页 |
| ·EM估计算法 | 第22-23页 |
| ·疵点检测算法步骤及流程图 | 第23-24页 |
| ·实验结果及分析 | 第24-30页 |
| ·总结 | 第30-31页 |
| 4 基于局部二进制模式(LBP)和Tamura纹理特征方法相结合的织物疵点分类算法的研究 | 第31-41页 |
| ·引言 | 第31-32页 |
| ·织物纹理特征提取 | 第32-35页 |
| ·Tamura纹理特征 | 第32-33页 |
| ·局部二进制模式 | 第33-35页 |
| ·共轭BP神经网络分类 | 第35页 |
| ·交叉验证 | 第35-36页 |
| ·实验结果及分析 | 第36-40页 |
| ·本章小结 | 第40-41页 |
| 5 系统方案设计及分析 | 第41-51页 |
| ·引言 | 第41页 |
| ·系统组成 | 第41-48页 |
| ·光源 | 第42-43页 |
| ·镜头 | 第43-44页 |
| ·滤光镜 | 第44-45页 |
| ·CCD摄像机 | 第45-46页 |
| ·图像采集卡 | 第46-48页 |
| ·高配置计算机 | 第48页 |
| ·硬件结构设计 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 6 总结与展望 | 第51-53页 |
| ·全文总结 | 第51页 |
| ·课题展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 附录 | 第57-75页 |
| 攻读硕士期间发表的学术论文目录 | 第75-81页 |
| 致谢 | 第81页 |