声明
摘要
第一章 绪论
1.1 研究背景
1.2 国内外研究现状
1.2.1 织物抗皱性的测试与评价方法
1.2.2 图像处理技术在织物平整度评价中的应用
1.2.3 激光测量技术在织物平整度等级评价中的应用
1.2.4 研究现状分析与总结
1.3 论文的研究内容及意义
1.3.1 研究内容
1.3.2 研究意义
参考文献
第二章 织物折皱回复角测试稳定性分析
2.1 引言
2.2 折皱回复角测试
2.2.1 织物的选取
2.2.2 测试仪器及测试角度
2.3 结果及分析
2.3.1 测试稳定性分析
2.3.2 测试误差原因分析
2.4 本章小结
参考文献
第三章 模拟实际着装的织物起皱方法
3.1 引言
3.2 装置结构及起皱方法
3.2.1 装置结构
3.2.2 起皱方法
3.3 实际着装起皱的对比实验
3.3.1 实验服的选取、制作及试穿
3.3.2 起皱程度的主观评价
3.4 结果与分析
3.4.1 两种起皱方法的主观评价得分、等级及排序
3.4.2 两种主观评价的一致性检验
3.4.3 两种方法起皱结果的对比与分析
3.5 本章小结
参考文献
第四章 基于图像特征的织物折皱纹理分析
4.1 引言
4.2 折皱密度
4.2.1 利用二值图像提取折皱密度
4.2.2 利用灰度图像提取折皱密度
4.2.3 结果与分析
4.3 灰度共生矩阵
4.3.1 灰度共生矩阵概述
4.3.2 结果与分析
4.4 小波分析
4.4.1 小波分析简介
4.4.2 基于小波分析的织物折皱特征提取
4.4.3 结果与分析
4.5 基于信息融合技术的织物综合折皱指标
4.5.1 信息融合技术及织物综合折皱指标
4.5.2 结果与分析
4.6 本章小结
参考文献
第五章 织物折皱等级的聚类方法研究
5.1 引言
5.2 系统聚类
5.2.1 系统聚类概述
5.2.2 系统聚类在织物折皱等级分析中的应用
5.3 K-均值聚类
5.3.1 基本思想
5.3.2 K-均值聚类在织物折皱等级分析中的应用
5.4 SOM神经网络聚类分析
5.4.1 原理及特点
5.4.2 SOM网络在织物折皱聚类分析中的应用
5.5 本章小结
参考文献
第六章 基于神经网络的织物折皱等级识别
6.1 人工神经网络简介
6.2 基于LVQ神经网络的织物折皱等级识别
6.2.1 LVQ神经网络简介
6.2.2 LVQ神经网络用于织物折皱等级识别
6.3 基于PNN神经网络的织物折皱等级识别
6.3.1 PNN神经网络简介
6.3.2 PNN神经网络用于织物折皱等级识别
6.4 基于LVQ-PNN混合神经网络的织物折皱等级识别
6.4.1 混合神经网络设计
6.4.2 混合神经网络用于织物折皱等级识别
6.5 本章小结
参考文献
第七章 结论与展望
7.1 结论
7.2 创新点
7.3 不足与展望
附录
致谢
攻读博士学位期间获得的成果