基于计算机视觉的织物疵点自动检测技术研究

论文摘要

织物疵点检测是纺织品生产过程中的重要环节。目前,织物疵点检测主要是依靠人工目测,其缺点是误检率和漏检率高、检测效率低、劳动强度大、对工人健康不利。因此,开展织物疵点自动检测技术研究具有重要意义。本文在对现有的织物疵点检测理论和方法进行分析、综合的基础上,较深入地研究了织物图像预处理和基于小波分析的疵点自动识别方法。通过实验验证了该方法的可行性和有效性。首先,分析了织物图像的噪声来源、噪声特性和去除噪声的方法。针对图像去噪处理后,部分图像细节信息丢失这一问题,采用中值滤波和边缘锐化的方法进行图像预处理,以改善图像的视觉效果,突显图像中物体的边缘和轮廓特征,易于计算机的处理与分析。其次,为减小周围环境对疵点识别的影响,同时提高疵点检测速度,给出了基于灰度的窗口分割方法。该方法通过灰度均值比较,将超过设定阈值的窗口进行九宫格扩散,所形成的新窗口作为进一步待检区域,再利用小波分析方法提取特征值,有效减少了图像特征值的提取和计算窗口数量。另外,给出了基于小波分析的疵点自动识别方法。对小波分解后的经、纬子图像分别提取能量、熵值、方差和极差四个特征值。经归一化后,在统一度量下检查不同特征值对疵点的响应程度,从而确认疵点是否存在及判别疵点的准确位置。最后,应用Lab VIEW编制了织物疵点自动检测软件。在自制的疵点检测实验装置上,对掉扣、杂纤维、飞花、破洞、油砂、反丝、脏污、长残8类常见疵点进行自动检测实验。结果表明,小波分析方法能以较快速度准确检测出疵点的有无、疵点的类别和位置。为织物疵点检测技术的应用研究提供了理论依据。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究的目的和意义
• 1.2 国内外研究动态
• 1.2.1 国外研究状态
• 1.2.2 国内研究现状
• 1.3 本文研究内容
• 第二章 织物疵点检测理论基础
• 2.1 检测系统组成
• 2.2 疵点检测的理论基础
• 2.2.1 空间域提取特征值
• 2.2.2 频域提取特征值
• 2.2.3 数学形态学方法
• 2.3 小波分析基本理论
• 2.3.1 小波基的选择
• 2.3.2 连续小波变换
• 2.3.3 离散小波变换
• 2.3.4 多分辨率分析
• 2.3.5 Mallet快速算法
• 2.4 本章小结
• 第三章 织物图像预处理
• 3.1 图像去噪
• 3.1.1 噪声的来源和分类
• 3.1.2 去噪的基本方法
• 3.1.3 织物图像去噪
• 3.2 图像锐化
• 3.2.1 拉普拉斯算子
• 3.2.2 高通滤波
• 3.3 织物图像的灰度窗口分割
• 3.3.1 窗口分割
• 3.3.2 阈值选取
• 3.4 本章小结
• 第四章 基于小波分析的织物疵点识别
• 4.1 小波基的选取
• 4.1.1 小波基的类型
• 4.1.2 最佳小波基的选择
• 4.2 织物特征值提取
• 4.2.1 织物图像特征
• 4.2.2 织物纹理的特征值
• 4.2.3 特征值的归一化处理
• 4.2.4 特征值阈值选取
• 4.3 本章小结
• 第五章 织物疵点自动检测实验与结果分析
• 5.1 试验系统的组成
• 5.2 软件设计与编程实现
• 5.2.1 LabVIEW简介
• 5.2.2 IMAQ图像处理包
• 5.2.3 程序流程图
• 5.3 实验结果分析
• 5.4 本章小结
• 第六章 全文总结与展望
• 6.1 全文总结
• 6.2 存在的不足及进一步的工作
• 参考文献
• 攻读硕士期间研究成果
• 致谢