基于Gabor和视觉信息的布匹瑕疵检测方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状及存在的问题 | 第10-14页 |
| 1.3 论文结构安排 | 第14-15页 |
| 第2章 相关知识介绍 | 第15-31页 |
| 2.1 图像预处理 | 第15-22页 |
| 2.1.1 图像去噪 | 第15-21页 |
| 2.1.2 图像均衡化 | 第21-22页 |
| 2.2 视觉显著性 | 第22-26页 |
| 2.2.1 视觉显著性模型 | 第23-24页 |
| 2.2.2 视觉显著性原理 | 第24-26页 |
| 2.3 布匹瑕疵分类 | 第26-29页 |
| 2.3.1 代表性明显瑕疵 | 第26-27页 |
| 2.3.2 布匹瑕疵数据库 | 第27-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第3章 基于改进多通道Gabor的布匹瑕疵检测 | 第31-45页 |
| 3.1 Gabor滤波器 | 第31-35页 |
| 3.1.1 二维Gabor滤波器 | 第32-34页 |
| 3.1.2 多通道Gabor滤波器 | 第34-35页 |
| 3.2 图像有无瑕疵判断 | 第35-36页 |
| 3.2.1 均值特征 | 第35页 |
| 3.2.2 图像瑕疵均值判断 | 第35-36页 |
| 3.3 基于改进多通道Gabor的布匹瑕疵检测 | 第36-39页 |
| 3.3.1 算法基本思路 | 第36-38页 |
| 3.3.2 算法描述 | 第38-39页 |
| 3.4 实验结果及分析 | 第39-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 基于改进视觉显著性的布匹瑕疵检测 | 第45-61页 |
| 4.1 视觉显著性计算 | 第45-48页 |
| 4.1.1 显著性计算框架 | 第45-47页 |
| 4.1.2 图像自底向上特征表示 | 第47-48页 |
| 4.2 超像素分割 | 第48-50页 |
| 4.2.1 超像素算法概述 | 第48-49页 |
| 4.2.2 SLIC | 第49-50页 |
| 4.3 基于改进视觉显著性的布匹瑕疵检测 | 第50-60页 |
| 4.3.1 自顶向下特征提取 | 第50-52页 |
| 4.3.2 基于改进视觉显著性的布匹瑕疵检测算法 | 第52-54页 |
| 4.3.3 算法描述 | 第54-55页 |
| 4.3.4 实验结果及分析 | 第55-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第5章 总结与展望 | 第61-63页 |
| 5.1 本文总结 | 第61-62页 |
| 5.2 不足与未来工作展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士期间发表的论文 | 第68页 |
