基于图像处理的纺织品色差在线检测系统研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 课题的来源 | 第9页 |
| 1.2 研究背景及意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-12页 |
| 1.4 本文的主要工作 | 第12-13页 |
| 2 系统的整体设计以及硬件组成 | 第13-19页 |
| 2.1 色差检测和颜色分类系统的总体设计 | 第13-14页 |
| 2.2 图像采集系统 | 第14-18页 |
| 2.2.1 照明系统与光源 | 第14-16页 |
| 2.2.2 相机 | 第16-17页 |
| 2.2.3 镜头 | 第17页 |
| 2.2.4 图像采集卡 | 第17-18页 |
| 2.3 本章小结 | 第18-19页 |
| 3 图像预处理与颜色相关理论 | 第19-29页 |
| 3.1 图像的预处理 | 第19-21页 |
| 3.1.1 中值滤波 | 第19-20页 |
| 3.1.2 均值滤波 | 第20页 |
| 3.1.3 高斯滤波 | 第20页 |
| 3.1.4 图像预处理结果对比 | 第20-21页 |
| 3.2 颜色的定义 | 第21-22页 |
| 3.3 常用颜色空间 | 第22-25页 |
| 3.3.1 RGB颜色空间 | 第22-23页 |
| 3.3.2 HSV颜色空间 | 第23页 |
| 3.3.3 HSI颜色空间 | 第23-24页 |
| 3.3.4 CIELAB颜色空间 | 第24-25页 |
| 3.4 色差的定义以及常用的色差公式 | 第25-27页 |
| 3.4.1 色差的定义 | 第25页 |
| 3.4.2 CIELAB色差公式 | 第25-26页 |
| 3.4.3 CMC(l:c) 色差公式 | 第26-27页 |
| 3.5 本章小结 | 第27-29页 |
| 4 纺织品色差在线检测算法 | 第29-45页 |
| 4.1 织物颜色相似度检测 | 第29-32页 |
| 4.1.1 图像颜色特征表示方法 | 第29-30页 |
| 4.1.2 颜色空间量化 | 第30-31页 |
| 4.1.3 相似度表示方法 | 第31-32页 |
| 4.2 基于T-S模糊神经网络的纺织品色差检测 | 第32-35页 |
| 4.2.1 T-S模糊神经网络结构 | 第32-34页 |
| 4.2.2 获取织物颜色特征的传统方式 | 第34页 |
| 4.2.3 T-S模糊神经网络空间转换模型 | 第34页 |
| 4.2.4 样本的分布 | 第34-35页 |
| 4.3 T-S模糊神经网络的训练和测试 | 第35-38页 |
| 4.4 色差的计算与检测算法 | 第38-41页 |
| 4.5 色差检测软件操作界面 | 第41-42页 |
| 4.6 本章小结 | 第42-45页 |
| 5 纺织品颜色分类算法 | 第45-55页 |
| 5.1 基于SVM和LS-SVM算法的颜色分类 | 第45-49页 |
| 5.1.1 SVM和LS-SVM算法原理 | 第45-46页 |
| 5.1.2 织物样本点分布与输入输出向量的处理 | 第46-47页 |
| 5.1.3 SVM和LS-SVM的训练和测试 | 第47-49页 |
| 5.2 基于SOM神经网络的颜色分类 | 第49-52页 |
| 5.2.1 SOM神经网络原理 | 第49页 |
| 5.2.2 SOM神经网络的训练过程 | 第49-50页 |
| 5.2.3 算法结果与分析 | 第50-52页 |
| 5.3 三种分类算法的比较和选择 | 第52-53页 |
| 5.4 本章小结 | 第53-55页 |
| 6 总结与展望 | 第55-57页 |
| 6.1 全文总结 | 第55页 |
| 6.2 工作展望 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 作者攻读学位期间发表论文清单 | 第63-65页 |
| 致谢 | 第65页 |
