机织物图像自动纠偏及组织分析的研究

论文摘要

随着计算机技术在纺织领域中的应用日益广泛,纺织生产自动化已成为纺织行业发展的必然趋势。然而目前在纺织行业中,织物组织分析与识别主要还是依靠人工凭经验或借助专业工具来完成,这种传统的方法已成为制约纺织品快速设计和生产的瓶颈。因此,寻找一种能有效地代替人工对织物面料自动进行检测和分析的系统具有重要的理论与现实意义。本文正是以这种背景为依托,提出了机织物图像自动纠偏及组织分析的研究这一课题。本文主要的研究工作与成果有:1.讨论了利用图像处理技术对织物面料进行自动参数分析和组织结构识别的方法,给出了本文织物组织分析与自动识别总体方案。2.在织物图像预处理的研究中,本文研究了适合于织物图像的预处理算法及实现步骤,并提出了一种基于改进Hough变换的织物图像快速倾斜检测及校正算法。利用行差运算对原图像提取纬纱走向信息,再进行分级Hough变换来检测倾斜角度。最后,采用基于图像线性存储结构的旋转方法,快速地对倾斜图像进行校正。3.在织物图像参数提取与分析的研究中,本文提出了一种基于小波变换的织物经纬纱密度和纱线细度测量算法。对预处理后的织物图像进行二维离散小波分解,再分别对经、纬向子图像进行二值化和平滑处理,将纱线纹理从图像背景中分离出来,最终通过运算得到经纬纱密度和纱线细度。4.在织物组织结构分割与识别的研究中,本文提出了一种基于多尺度马尔可夫随机场的织物组织结构分割算法。结合小波变换模极大值边缘检测算法,得到织物图像不同尺度下的组织点边缘信息,利用马尔可夫随机场分割算法对织物图像进行分割,并经过组织点边缘平整化及组织点性质的判别,最后生成织物组织图。本文结合纺织专业知识与计算机图像处理等技术,针对基于机织物图像的组织分析系统中的关键问题提出了相应的算法,不仅有效地解决了织物图像倾斜检测及纠偏、纱线密度及细度检测、组织结构分割及识别等问题,还提高了织物组织分析系统的自动化和智能化。本文的研究对促进纺织生产自动化和推动纺织行业的发展具有重要的现实意义。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题的提出
• 1.2 课题背景及研究现状
• 1.2.1 在时域处理图像的识别方法
• 1.2.2 在频域处理图像的识别方法
• 1.3 论文研究的主要内容
• 1.4 课题关键技术
• 1.5 论文总体结构
• 1.6 本章小结
• 第二章 织物组织概念与分析系统概述
• 2.1 织物与织物组织的概念
• 2.1.1 织物结构参数
• 2.1.2 织物组织参数
• 2.1.3 织物组织结构的表示方法
• 2.1.4 织物组织结构的分类
• 2.2 织物组织分析
• 2.3 本课题织物组织分析系统
• 2.4 本课题开发平台
• 2.5 本章小结
• 第三章 织物图像采集及预处理
• 3.1 织物图像预处理
• 3.2 彩色图像灰度化
• 3.3 直方图均衡化
• 3.4 滤波去噪
• 3.5 织物图像倾斜校正
• 3.5.1 问题及解决方案
• 3.5.2 Hough 变换
• 3.5.3 行差运算
• 3.5.4 基于改进的Hough 变换倾斜检测算法
• 3.5.5 织物图像倾斜校正
• 3.5.6 实验结果及分析
• 3.6 本章小结
• 第四章 织物参数提取与分析
• 4.1 小波变换简介
• 4.1.1 连续小波变换
• 4.1.2 离散小波变换
• 4.1.3 二维离散小波变换
• 4.1.4 二维小波快速算法
• 4.2 织物图像的小波分解
• 4.3 纱线特征参数的提取
• 4.4 织物经纬纱密度和纱线细度的测量
• 4.5 本章小结
• 第五章 织物组织结构识别
• 5.1 基于多尺度马尔可夫随机场的织物组织分割
• 5.1.1 马尔可夫随机过程
• 5.1.2 马尔可夫随机场理论
• 5.1.3 基于马尔可夫的图像分割算法
• 5.1.4 模拟退火算法
• 5.1.5 基于小波变换的多尺度边缘检测
• 5.1.6 织物组织结构边缘提取算法
• 5.1.7 织物图像分割算法
• 5.1.8 实验结果分析
• 5.2 组织点边缘平整化
• 5.3 织物组织点性质的识别
• 5.3.1 图像中间组织点性质识别
• 5.3.2 图像边缘组织点性质识别
• 5.4 织物组织图的绘制
• 5.5 本章小结
• 第六章 总结和展望
• 6.1 结论
• 6.2 展望
• 参考文献
• 致谢
• 攻读学位期间的研究成果