论文目录 | |
摘要 | 第1-12页 |
ABSTRACT | 第12-22页 |
第一章 绪论 | 第22-28页 |
1.1 课题的行业背景与意义 | 第22-23页 |
1.2 课题的学术背景与意义 | 第23-24页 |
1.3 所在课题组已有的研究进展和存在的问题 | 第24-25页 |
1.4 本课题的研究目标 | 第25-26页 |
1.5 学位论文总体框架 | 第26-27页 |
参考文献 | 第27-28页 |
第二章 文献综述 | 第28-52页 |
2.1 模式识别和纹理分析有关术语和概念简介 | 第28-32页 |
2.1.1 模式识别的基本概念 | 第28-29页 |
2.1.2 纹理图像特征提取方法简介 | 第29-31页 |
2.1.3 典型异常检测器或分类器简介 | 第31-32页 |
2.2 文献综述 | 第32-44页 |
2.2.1 基于结构的特征提取 | 第32-33页 |
2.2.2 基于统计的特征提取 | 第33-38页 |
2.2.2.1 直接采用像素灰度值 | 第33页 |
2.2.2.2 像素灰度值基础上的简单统计特征提取 | 第33-34页 |
2.2.2.3 直方图统计特征提取 | 第34页 |
2.2.2.4 自相关函数法 | 第34页 |
2.2.2.5 Laws纹理能量度量法 | 第34-35页 |
2.2.2.6 Sobel算子 | 第35-36页 |
2.2.2.7 独立成分分析 | 第36页 |
2.2.2.8 数字滤波器 | 第36页 |
2.2.2.9 灰度差分方法 | 第36页 |
2.2.2.10 灰度共生矩阵 | 第36-38页 |
2.2.3 基于模型的特征提取 | 第38-39页 |
2.2.3.1 高斯-马尔科夫随机场模型 | 第38页 |
2.2.3.2 Wold纹理模型 | 第38页 |
2.2.3.3 分形模型 | 第38-39页 |
2.2.3.4 聚类模型 | 第39页 |
2.2.4 基于信号处理的特征提取 | 第39-44页 |
2.2.4.1 傅里叶变换 | 第39-40页 |
2.2.4.2 Gabor变换 | 第40-42页 |
2.2.4.3 小波及小波包变换 | 第42-44页 |
2.3 对现有文献的总体分析和评价 | 第44-45页 |
参考文献 | 第45-52页 |
第三章 检测样本采集与数据预处理 | 第52-81页 |
3.1 简单组织织物瑕疵样布收集及瑕疵种类与图像示例 | 第52-62页 |
3.2 织物纹理图像的获得与预处理 | 第62-65页 |
3.3 织物纹理图像子样本尺寸的确定 | 第65-71页 |
3.4 纹理图像特征的有效性检验及特征值规范化预处理 | 第71-73页 |
3.5 样本数据集及其分布 | 第73-79页 |
3.6 评估算法检测效果的考核指标体系 | 第79-80页 |
3.7 本章小结 | 第80页 |
参考文献 | 第80-81页 |
第四章 基于时间序列的自回归谱分析特征向量和单边距离检测器的织物瑕疵检测 | 第81-107页 |
4.1 引言 | 第81-82页 |
4.2 时间序列的Burg AR谱估计原理 | 第82-86页 |
4.2.1 功率谱密度和谱估计简介 | 第82-83页 |
4.2.2 AR模型简介 | 第83-84页 |
4.2.3 Burg算法简介 | 第84-86页 |
4.3 时间序列的AR谱特征提取 | 第86-88页 |
4.3.1 特征提取基本思路 | 第86-87页 |
4.3.2 AR模型阶数选择与特征提取 | 第87-88页 |
4.4 特征有效性的初步验证 | 第88-93页 |
4.4.1 必要说明 | 第88-89页 |
4.4.2 实例分析 | 第89-92页 |
4.4.3 常见瑕疵特征的有效性初步验证结果汇总 | 第92-93页 |
4.5 单边距离检测器设计 | 第93-96页 |
4.6 实验与结果讨论 | 第96-104页 |
4.6.1 实验流程 | 第96-98页 |
4.6.1.1 检测算法的训练流程图 | 第96-97页 |
4.6.1.2 检测算法的检测流程图 | 第97-98页 |
4.6.2 检测结果汇总与分析 | 第98-103页 |
4.6.3 实际检测效果示例 | 第103-104页 |
4.7 本章小结 | 第104-105页 |
参考文献 | 第105-107页 |
第五章 基于时间序列多分形特征向量和单类模糊聚类检测器的织物瑕疵检测 | 第107-141页 |
5.1 引言 | 第107-109页 |
5.2 分形定义与盒维数简介 | 第109-112页 |
5.2.1 分形的定义 | 第109-110页 |
5.2.2 分形维与计盒维 | 第110-112页 |
5.3 时间序列多分形特征的提取 | 第112-113页 |
5.4 特征有效性的初步验证 | 第113-118页 |
5.4.1 必要说明 | 第114页 |
5.4.2 实例分析 | 第114-117页 |
5.4.3 常见瑕疵的特征有效性初步验证结果汇总 | 第117-118页 |
5.5 模糊c均值聚类模型介绍 | 第118-125页 |
5.5.1 模糊聚类分析简介 | 第118-119页 |
5.5.2 FCM算法的理论背景 | 第119-125页 |
5.5.2.1 数据集的c划分 | 第119-120页 |
5.5.2.2 聚类目标函数 | 第120-123页 |
5.5.2.3 FCM算法流程 | 第123-125页 |
5.6 单类模糊聚类检测器的构造 | 第125-127页 |
5.6.1 单类模糊c均值聚类检测器的原理 | 第125页 |
5.6.2 单类模糊c均值聚类检测器的参数优选 | 第125-127页 |
5.7 单类模糊c均值聚类检测器的具体训练过程 | 第127-129页 |
5.8 实验与结果讨论 | 第129-137页 |
5.8.1 实验流程图 | 第129-131页 |
5.8.1.1 检测算法的训练流程图 | 第130-131页 |
5.8.1.2 检测算法的检测流程图 | 第131页 |
5.8.2 检测结果汇总与分析 | 第131-136页 |
5.8.3 部分检测效果示例图 | 第136-137页 |
5.9 本章小结 | 第137-138页 |
参考文献 | 第138-141页 |
第六章 基于分形概貌特征与Sobel滤波细节特征的混合特征向量和支持向量数据描述检测器的织物瑕疵检测 | 第141-177页 |
6.1 引言 | 第141-143页 |
6.2 Sobel滤波算子简介 | 第143-145页 |
6.3 基于Sobel滤波的局部特征提取具体方案 | 第145-147页 |
6.4 特征有效性的初步验证 | 第147-152页 |
6.4.1 必要说明 | 第147页 |
6.4.2 实例分析 | 第147-151页 |
6.4.3 常见瑕疵的特征有效性初步验证结果汇总 | 第151-152页 |
6.5 SVDD检测器介绍 | 第152-158页 |
6.5.1 统计学习理论与模式分析的核方法简介 | 第152-153页 |
6.5.2 SVDD的原理 | 第153-158页 |
6.6 SVDD参数的优选 | 第158-165页 |
6.6.1 SVDD中有关参数的说明 | 第158-159页 |
6.6.2 参数优选的具体方法 | 第159-165页 |
6.7 实验与结果讨论 | 第165-174页 |
6.7.1 实验流程图 | 第165-168页 |
6.7.1.1 检测算法的训练流程图 | 第166-167页 |
6.7.1.2 检测算法的检测流程图 | 第167-168页 |
6.7.2 检测结果汇总与分析 | 第168-172页 |
6.7.3 部分检测效果示例图 | 第172-174页 |
6.8 本章小结 | 第174页 |
参考文献 | 第174-177页 |
第七章 全文总结与展望 | 第177-181页 |
7.1 研究内容的简要回顾与三套检测算法的性能比较 | 第177-180页 |
7.2 本文在瑕疵检测算法方面的主要研究成果 | 第180-181页 |
7.3 本文的不足与后续研究重点 | 第181页 |
参考文献 | 第181-182页 |
附录一 第四章特征有效性检验实例的特征值计算结果 | 第182-188页 |
附录二 第四章算法对各类瑕疵的检测表格汇总 | 第188-194页 |
附录三 第五章特征有效性检验实例的特征值计算结果 | 第194-203页 |
附录四 第五章算法对各类瑕疵的检测表格汇总 | 第203-209页 |
附录五 第六章特征有效性检验实例的特征值计算结果 | 第209-219页 |
附录六 第六章算法对各类瑕疵的检测表格汇总 | 第219-225页 |
附录七 全文三套检测算法的检测效果示意图 | 第225-248页 |
攻读博士学位期间发表学术论文情况 | 第248-250页 |
致谢 | 第250页 |