声明
摘要
第1章 绪论
1.1 课题背景
1.2 自动验布的优势和劣势
1.3 自动验布的难点及挑战
1.4 课题组研究成果与存在问题
1.5 本文的研究内容
1.6 论文的总体框架
参考文献
第2章 文献综述
2.1 相关术语和概念介绍
2.1.1 计算机视觉
2.1.2 模式识别
2.1.3 纹理分析
2.2 文献综述
2.2.1 基于特征提取
2.2.2 基于非特征提取
2.2.3 对比研究
2.3 现有文献总体特点与不足
2.3.1 现有文献的特点
2.3.2 现有文献的不足
2.4 本章小结
参考文献
第3章 织物瑕疵检测的问题本质与织物纹理的近似表达
3.1 织物瑕疵检测问题分析
3.2 理想瑕疵检测算法构思
3.3 本文研究重点
3.4 主元分析及图像表达
3.4.1 主元分析原理
3.4.2 PCA对织物图像与自然图像的近似表达
3.4.3 实验分析与验证
3.5 字典学习
3.5.1 基础概念
3.5.2 基于字典学习的织物图像近似表达
3.5.3 实验分析与验证
3.5.4 字典学习的优点
3.5.5 基于字典学习的织物瑕疵检测算法
3.6 本章小结
参考文献
第4章 基于字典学习的无监督织物瑕疵检测算法
4.1 算法思路
4.1.1 瑕疵检测机理分析
4.1.2 无监督瑕疵检测算法基本思路
4.1.3 检测算法思路可行性初步验证与分析
4.2 线性瑕疵检测效果不佳的分析与改进方案
4.2.1 基于图像旋转的改进方案
4.2.2 图像旋转改进方案的有效性验证
4.2.3 基于均值投影的线性瑕疵增强方案
4.2.4 投影增强方案的有效性验证
4.3 字典大小的自动选取
4.3.1 字典大小影响分析与代价函数定义
4.3.2 代价函数的有效性验证
4.4 滤波处理与分割阈值的确定
4.4.1 滤波处理
4.4.2 分割阈值的确定
4.5 实验与结果讨论
4.5.1 必要说明
4.5.2 算法评价指标
4.5.3 实验结果与分析
4.6 本章小结
参考文献
第5章 基于字典学习的半监督织物瑕疵检测算法
5.1 算法思路
5.1.1 半监督瑕疵检测算法基本思路
5.1.2 学习字典对瑕疵图像近似效果实验分析
5.2 相似度指标有效性验证及优选
5.2.1 近似实例分析
5.2.2 相似度指标定义与t-检验介绍
5.2.3 相似度指标有效性验证
5.3 字典大小的确定方法
5.3.1 字典大小影响分析与近似指数定义
5.3.2 近似指数的有效性验证
5.4 基于支持向量数据描述的分类
5.4.1 支持向量数据描述分类器介绍
5.4.2 支持向量数据描述分类步骤
5.5 实验与结果讨论
5.5.1 必要说明
5.5.2 算法评价指标
5.5.3 子窗口尺寸影响分析
5.5.4 实验结果与分析
5.6 本章小结
参考文献
第6章 约束条件下学习字典对半监督算法的影响
6.1 算法计算复杂度分析
6.2 不同约束条件下的学习字典
6.3 实验与结果讨论
6.3.1 必要说明
6.3.2 不同约束条件学习字典检测结果与讨论
6.4 本章小结
参考文献
第7章 基于正交字典的半监督算法的实时实现
7.1 织物瑕疵实时检测平台简介
7.1.1 织物传动系统
7.1.2 光照与成像系统
7.1.3 图像采集和处理系统
7.1.4 人机交互系统
7.2 算法在平台上的实现
7.2.1 相机参数估计
7.2.2 平台实时性对检测算法的要求
7.2.3 算法实现
7.3 实验与结果讨论
7.3.1 必要说明
7.3.2 算法评价指标
7.3.3 实验结果与分析
7.4 本章小结
参考文献
第8章 结论与展望
8.1 全文结论
8.2 本文工作的展望
附录一
附录二
附录三
附录四
攻读博士学位期间发表学术论文情况
致谢