数字图像处理在原棉异物识别中的应用研究

论文摘要

我国是一个纺织大国,棉纺织品生产在我国产量很大,对我们国民经济具有举足轻重的地位。然而原棉中夹带的异物杂质严重影响了棉纺企业的生产以及棉纺制品的质量,造成了严重的经济与非经济的损失。原棉异物识别与剔除系统正是在这样一个很强的应用背景下提出的。原棉异物的识别率决定着剔除率的大小。如何快速准确地识别出原棉中存在的各种异物,从而提高异物剔除率,正是本文的研究内容和目的。论文采用基于MATLAB图像处理技术来对原棉异物进行识别。在分析了原棉异物图像的特点后,探索了基于改进后的Ostu阈值分割法和基于分形维数的自适应阈值分割法这两种识别算法。论文选取了具有代表性的三种原棉异物图像。在对这三幅异物图像预处理后,分别采用改进后的Ostu阈值分割法和基于分形维数的自适应阈值分割法,运用数学形态学的一系列处理方法,将原棉中的异物识别出来。通过分析比较基于这两种阈值分割法的原棉异物识别效果。我们得出:当原棉与异物颜色差异较大时,采用这两种阈值法都能对异物进行识别,且效果较好;当原棉与异物颜色相近时,采用后一种阈值法要比前一种阈值法识别效果好,但其算法要比前一种阈值法复杂,费时也多。因此,采用何种方法来对原棉异物进行识别应根据实际情况来定。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 课题研究背景
• 1.2 国内外研究状况
• 1.2.1 基于可见光检测源
• 1.2.2 基于紫外光检测源
• 1.2.3 基于近红外光检测源
• 1.2.4 基于超生波及X 射线检测源
• 1.2.5 基于不同的颜色空间
• 1.3 课题研究的目的和意义
• 1.4 课题的主要内容
• 1.5 实验平台介绍
• 1.5.1 硬件平台
• 1.5.2 软件平台
• 1.6 本章小结
• 2 原棉异物类别及其对品质的影响
• 2.1 原棉异物类别
• 2.1.1 常见的原棉异物
• 2.1.2 原棉异物的分类
• 2.2 原棉异物对品质评定的影响
• 2.2.1 原棉品质评定标准
• 2.2.2 原棉异物对棉制品品质的影响
• 2.3 本章小结
• 3 原棉异物识别的方法与原理
• 3.1 数字图像处理的基本内容和方法
• 3.2 图像的预处理
• 3.2.1 图像的直方图及其修正
• 3.2.2 图像光照不匀的校正
• 3.2.3 图像的去噪
• 3.3 图像分割与特征识别算法
• 3.3.1 基于改进后的Otsu阈值分割法
• 3.3.2 基于分形维数的自适应阈值分割法
• 3.4 图像的数字形态学处理
• 3.4.1 图像的二值化
• 3.4.2 二值图像形态学处理
• 3.4.3 图像的结构元素矩阵
• 3.4.4 图像的膨胀和腐蚀
• 3.4.5 二值图像面积的提取
• 3.5 本章小结
• 4 图像处理的研究及分析
• 4.1 原棉异物图像录入
• 4.1.1 图像的数字化
• 4.1.2 原棉异物图像的采集
• 4.1.3 录入设备的选择
• 4.1.4 录入图像的显示
• 4.2 图像的预处理
• 4.2.1 图像类型的转换
• 4.2.2 图像的直方图增强
• 4.2.3 图像的光照不匀调整和去噪
• 4.3 原棉异物的识别
• 4.3.1 棉籽类异物图像的识别
• 4.3.2 纤维类异物图像的识别
• 4.3.3 白色丙纶类异物图像的识别
• 4.4 本章小结
• 5 总结与展望
• 5.1 工作总结
• 5.2 下一步工作的展望
• 致谢
• 参考文献
• 附录