论文目录 | |
| 摘要 | 第1-3页 |
| abstract | 第3-8页 |
| 第一章 绪论 | 第8-18页 |
| 1.1 课题研究的背景和意义 | 第8-9页 |
| 1.2 织物光泽测试的国内外研究现状 | 第9-13页 |
| 1.2.1 织物光泽理论模型的研究 | 第9-11页 |
| 1.2.2 织物光泽测试方法的研究 | 第11-13页 |
| 1.3 基于计算机视觉和图像分析技术测试织物光泽的展望 | 第13-15页 |
| 1.4 本文的研究内容和论文构架 | 第15-18页 |
| 1.4.1 研究内容 | 第15-16页 |
| 1.4.2 论文组织结构 | 第16-18页 |
| 第二章 织物光泽的视觉物理量与视觉心理量的关系 | 第18-34页 |
| 2.1 人眼视觉对织物光泽的感知 | 第18-21页 |
| 2.1.1 织物光泽的基本构成 | 第18-19页 |
| 2.1.2 机理解释 | 第19-20页 |
| 2.1.3 人眼视觉的织物光泽效应 | 第20-21页 |
| 2.2 织物光泽视觉物理量的表征 | 第21-29页 |
| 2.2.1 基本出发点和方式 | 第21页 |
| 2.2.2 实验与结果 | 第21-25页 |
| 2.2.3 主观评分表的验证 | 第25-29页 |
| 2.3 织物光泽视觉心理量的描述 | 第29-31页 |
| 2.4 织物光泽的视觉物理量与视觉心理量的关系 | 第31-32页 |
| 2.5 本章小结 | 第32-34页 |
| 第三章 织物光泽测量实验系统的构建及图像采集 | 第34-44页 |
| 3.1 FaLTES总体设计 | 第34-37页 |
| 3.1.1 基本出发点 | 第34-35页 |
| 3.1.2 FaLTES的设计框架 | 第35-37页 |
| 3.2 FaLTES的图像采集装置 | 第37-41页 |
| 3.2.1 照明系统 | 第38-39页 |
| 3.2.2 半球成像系统 | 第39-41页 |
| 3.3 织物半球图像的采集及预处理 | 第41-43页 |
| 3.3.1 图像采集 | 第41-42页 |
| 3.3.2 图像预处理 | 第42-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 织物光泽图像特征的选择与提取 | 第44-66页 |
| 4.1 从计算机视觉和图像学感知织物光泽 | 第44-46页 |
| 4.1.1 织物光泽效应 | 第44页 |
| 4.1.2 织物光泽效应的图像感特性 | 第44-46页 |
| 4.2 织物半球图像光泽描述特征参数针对性的提取 | 第46-58页 |
| 4.2.1 灰度特征 | 第46-50页 |
| 4.2.2 方向特征 | 第50-54页 |
| 4.2.3 纹理特征 | 第54-56页 |
| 4.2.4 颜色特征 | 第56-58页 |
| 4.3 表征织物光泽度特征参数的性能评定 | 第58-63页 |
| 4.3.1 基本方式 | 第58页 |
| 4.3.2 名义填充度K与织物光泽等级D的关系 | 第58-59页 |
| 4.3.3 灰度对比度C与织物光泽等级D的关系 | 第59-60页 |
| 4.3.4 光泽填充度极差RΦ与织物光泽等级D的关系 | 第60-61页 |
| 4.3.5 灰度共生矩阵对比度CONN与织物光泽等级D的关系 | 第61-62页 |
| 4.3.6 饱和度对比度SC与织物光泽等级D的关系 | 第62-63页 |
| 4.4 多维特征参数的优化提取算法 | 第63-65页 |
| 4.5 本章小结 | 第65-66页 |
| 第五章 基于离散型Hopfield神经网络的织物光泽等级分类模型 | 第66-80页 |
| 5.1 Hopfield神经网络概述 | 第66-70页 |
| 5.1.1 离散型Hopfield神经网络结构 | 第67-68页 |
| 5.1.2 离散型Hopfield神经网络工作方式 | 第68-69页 |
| 5.1.3 离散型Hopfield神经网络学习规则 | 第69-70页 |
| 5.2 织物光泽等级分类模型的建立 | 第70-76页 |
| 5.2.1 设计思路 | 第70-71页 |
| 5.2.2 模型的建立 | 第71-76页 |
| 5.3 织物光泽等级分类模型的完善 | 第76-78页 |
| 5.4 小结 | 第78-80页 |
| 第六章 结论与展望 | 第80-82页 |
| 6.1 结论 | 第80页 |
| 6.2 展望 | 第80-82页 |
| 参考文献 | 第82-85页 |
| 攻读学位期间的研究成果 | 第85-86页 |
| 附录 | 第86-99页 |
| 致谢 | 第99-100页 |
