拉链布边缺陷的图像检测方法研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景与意义 | 第14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 拉链产品的图像检测现状 | 第14-16页 |
| 1.2.2 纹理分析现状 | 第16-18页 |
| 1.2.3 纹理图像识别现状 | 第18页 |
| 1.3 本文的主要研究内容及章节安排 | 第18-19页 |
| 1.4 本章小结 | 第19-20页 |
| 第二章 拉链布边缺陷检测框架 | 第20-28页 |
| 2.1 总体框架设计 | 第20-21页 |
| 2.2 拉链布边缺陷类型 | 第21页 |
| 2.3 样本集的构建 | 第21-22页 |
| 2.4 拉链布边图像预处理 | 第22-27页 |
| 2.4.1 图像灰度化 | 第22-23页 |
| 2.4.2 图像增强 | 第23-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 拉链布边纹理特征提取 | 第28-46页 |
| 3.1 特征提取的流程 | 第28-29页 |
| 3.2 LBP算法 | 第29-34页 |
| 3.2.1 基本的LBP | 第29-32页 |
| 3.2.2 旋转不变LBP | 第32-33页 |
| 3.2.3 均匀模式LBP | 第33-34页 |
| 3.2.4 旋转不变的均匀模式LBP | 第34页 |
| 3.3 灰度共生矩阵算法 | 第34-39页 |
| 3.3.1 灰度共生矩阵介绍 | 第35-36页 |
| 3.3.2 灰度共生矩阵的影响因素 | 第36-37页 |
| 3.3.3 灰度共生矩阵的二阶统计量 | 第37-39页 |
| 3.4 拉链布边纹理特征提取 | 第39-45页 |
| 3.4.1 特征提取的窗口选择 | 第39-40页 |
| 3.4.2 灰度共生矩阵提取纹理特征 | 第40-42页 |
| 3.4.3 LBP提取纹理特征 | 第42-44页 |
| 3.4.4 特征向量的标记 | 第44-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 拉链布边缺陷的识别方法 | 第46-54页 |
| 4.1 BP神经网络 | 第46-52页 |
| 4.1.1 BP神经网络的基本原理和结构 | 第46-47页 |
| 4.1.2 BP算法 | 第47-49页 |
| 4.1.3 BP神经网络的参数选择 | 第49-51页 |
| 4.1.4 BP神经网络的训练 | 第51-52页 |
| 4.2 BP神经网络检测拉链布边缺陷 | 第52-53页 |
| 4.2.1 识别过程 | 第52-53页 |
| 4.2.2 识别步骤 | 第53页 |
| 4.3 本章小结 | 第53-54页 |
| 第五章 实验结果与分析 | 第54-63页 |
| 5.1 特征提取的实验 | 第54-55页 |
| 5.1.1 LBP提取特征 | 第54-55页 |
| 5.1.2 灰度共生矩阵提取特征 | 第55页 |
| 5.2 BP神经网络检测识别的实验 | 第55-59页 |
| 5.2.1 识别LBP提取的特征 | 第56-58页 |
| 5.2.2 识别GLCM提取的特征 | 第58-59页 |
| 5.3 实验结果分析 | 第59-61页 |
| 5.3.1 两种特征提取算法的比较 | 第59-60页 |
| 5.3.2 BP神经网络的性能分析 | 第60-61页 |
| 5.3.3 隐层节点数对实验结果的影响 | 第61页 |
| 5.4 本章小结 | 第61-63页 |
| 结论与展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读学位期间发表的论文 | 第68-70页 |
| 致谢 | 第70页 |
