基于机器视觉的布匹疵点快速识别算法的研究

论文摘要

随着计算机技术日益应用于生产、检测和管理中,实现纺织行业的织物自动检测已变得越来越重要。人工检测的成本高、精度低、效率低,这些因素都使得能够实现高效检测任务的机器视觉系统迅速发展。本文的第一章主要是总结了前人的研究工作,并提出了仍需进一步研究和解决的问题。第二章对图像处理中经常用到的预处理方法进行了研究与分析,织物图像预处理主要分为图像去噪和纹理处理两个步骤。实验表明Gabor滤波效果较好,但为了便于用本文提出的滤波类算子优化方法进行优化,最后确定选用Gauss滤波以提高计算速度。在第三章中介绍了疵点区域的识别方法,其主要包括边缘检测、阈值分割、斑点处理等几个方面。提出的新技术有基于规则的阈值分割方法和斑点快速标记算法。实验表明Sobel算子作为边缘检测效果较好,规则阈值分割在复杂背景下具有较好的阈值分割效果和自适应能力。阈值分割后的图像中的斑点可能需要连通或去除不必要的较小斑点,因此还需要一个后处理来解决这些问题,如面积尺寸滤波、窗线扫描等。第四章提出了如何构架整个系统,主要介绍了用到的硬件及结构,软件的处理结构等。论文研究了运用机器视觉快速、精确检测织物表面疵点的若干问题,这些问题包括快速滤波与纹理处理,快速边缘检测、复杂背景下高精度阈值分割、快速后处理等,提出了一种能实时检测织疵的新方法。实验表明,该方法是有效的和可行的。织物表面疵点检测系统是针对我国目前纺织企业的发展而急需开发的高新技术,有着广阔的应用前景。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景
• 1.1.1 课题来源
• 1.1.2 目的和意义
• 1.2 国内外研究动态
• 1.2.1 已有成果
• 1.2.2 目前存在的问题
• 1.3 主要研究内容
• 1.4章 节安排
• 第2章 预处理
• 2.1 图像去噪
• 2.1.1 噪声来源和类型
• 2.1.2 去噪的基本方法
• 2.1.3 织物图像去噪
• 2.2 纹理处理
• 2.2.1 一般处理方法
• 2.2.2 小波变换
• 2.2.3 马尔可夫场
• 2.2.4 织物纹理处理
• 2.3 滤波类算子优化方法
• 2.4 预处理过程
• 2.5 小结
• 第3章 区域识别
• 3.1 边缘检测
• 3.1.1 经典算子
• 3.1.2 特色算子
• 3.1.3 织物疵点边缘检测
• 3.2 区域分割
• 3.2.1 一般方法
• 3.2.2 模糊阈值分割
• 3.2.3 规则阈值分割
• 3.2.4 织物疵点区域分割
• 3.3 斑点处理
• 3.3.1 形态学处理
• 3.3.2 快速标记
• 3.3.3 特征描述与提取
• 3.4 织物疵点区域识别过程
• 3.5 小结
• 第4章 系统架构
• 4.1 系统硬件
• 4.1.1 硬件介绍
• 4.1.2 硬件结构
• 4.2 系统软件
• 4.2.1 软件功能
• 4.2.2 处理结构
• 4.2.3 检测软件
• 4.3 小结
• 第5章 总结与展望
• 致谢
• 参考文献
• 附录一 攻读硕士期间发表的论文