图像处理技术在消除开车稀密路中的应用研究

论文摘要

开车稀密路是机织物织疵产生的重要原因之一。产生开车稀密路的织物无法修补,会严重影响成品质量,进而影响企业的经济效益。在现代高速织机上或织造稀薄高档织物时,开车稀密路更为明显。针对产生稀密路的不同原因,国内外的科技工作者一直在寻找解决的办法,提出了消除稀密路的各种方法。但直到现在,仍然没有从根本上解决这个问题。 针对开车稀密路形成的原因,本论文创造性地提出一种应用图像处理技术消除织机开车稀密路的整体方案。对于其中的关键技术——精确检测织口位移,提出一种全新的方法,即运用数字图像处理技术进行织口位移的非接触式在线检测,并设计了可以大大缩短检测时间的新型图像处理方法:基于Mallat塔式分解的模板匹配算法和基于Mallat塔式分解的SSDA算法。设计并搭建了一套实验室装置来模拟检测织口位移。在这套实验室装置上能实时采集及处理织物图像,利用上述两种算法能精确计算织口位移。研究中,对不同织物/经纱混合物在经过一定时间后的蠕变和松弛现象做了实验验证,并针对实验中织口的位移变化结果做了分析;之后又在织机上进行织口位移的检测,对实验结果进行了分析。多次实验结果证实,本方案可以精确检测织口位移。如果结合相应的控制方法,可以消除织机的开车稀密路。 论文第一章介绍图像处理技术的发展、应用,及其在纺织工业上的应用,并简要介绍本课题研究的相关背景。 第二章对图像处理的相关技术做了介绍。 第三章阐述所提出的用图像处理技术消除开车稀密路的

论文目录

• 第一章 绪论
• 1.1 数字图像处理技术
• 1.1.1 数字图像处理的发展概况
• 1.1.2 数字图像处理技术的典型应用
• 1.1.3 数字图像处理技术研究的主要内容
• 1.2 图像处理技术在纺织工业中的应用
• 1.3 课题背景
• 1.4 论文主要研究的内容
• 第二章 数字图像处理
• 2.1 数字图像基本知识
• 2.1.1 图像
• 2.1.2 图像数字化概念
• 2.1.3 位图（Bitmap图）及位映像
• 2.1.4 RGB色彩系统
• 2.1.5 调色板
• 2.1.6 256色位图
• 2.1.7 24位真彩色图像
• 2.1.8 灰度图（Grayscale）
• 2.1.9 图像格式
• 2.1.10 设备无关位图（DIB）
• 2.2 数字图像预处理
• 2.2.1 数字图像减噪
• 2.2.2 256色位图转换为灰度图
• 2.3 图像处理系统
• 2.4 本章小结
• 第三章 应用图像处理技术消除开车稀密路的整体方案
• 3.1 应用图像处理技术消除开车稀密路的整体方案
• 3.1.1 原理
• 3.1.2 方案的控制系统及其传递函数
• 3.1.3 课题研究重点
• 3.1.4 对织机软、硬件的要求
• 3.2 检测织口位移的实验装置
• 3.2.1 实验装置介绍
• 3.2.2 摄像头部件介绍
• 3.2.3 图像采集卡介绍
• 3.2.4 软件开发环境
• 3.3 本章小结
• 第四章 图像匹配方法
• 4.1 图像匹配概述
• 4.2 图像匹配方法
• 4.3 论文中用到的图像匹配算法
• 4.3.1 模板匹配算法
• 4.3.2 SSDA（序贯相似性检测）算法
• 4.3.3 基于影像金字塔分解的匹配算法
• 4.4 本章小结
• 第五章 小波分析及 Mallat塔式快速分解算法
• 5.1 小波及小波变换
• 5.1.1 小波定义
• 5.1.2 连续小波和离散小波
• 5.1.3 正交小波
• 5.2 一维信号的 Mallat塔式分解
• 5.3 二维信号的 Mallat分解与重构
• 2（R²）的多分辨分析'>5.3.1 L²（R²）的多分辨分析
• 5.3.2 二维信号分解与重构的Mallat算法
• 5.3.3 图像 Mallat分解与重构过程中的注意事项
• 5.4 长度为4的双正交小波基的构造
• 5.4.1 预备知识
• 5.4.2 双正交小波基的定义及满足条件
• 5.4.3 长度为4的双正交小波基构造方法
• 5.5 本章小结
• 第六章 图像匹配方法检测织口位移的研究
• 6.1 两种基于 Mallat塔式分解的新型匹配算法
• 6.1.1 Mallat塔式分解中小波滤波器的选取
• 6.1.2 图像经过 Mallat塔式分解的效果
• 6.1.3 基于 Mallat塔式分解的模板匹配算法的设计
• 6.1.4 基于 Mallat塔式分解的 SSDA算法的设计
• 6.2 四种匹配算法的实验结果分析
• 6.3 使用基于 Mallat塔式分解的模板匹配算法检测织口位移
• 6.3.1 实验介绍
• 6.3.2 实验结果
• 6.3.3 实验分析及结论
• 6.4 检测织机停机——开机过程中织口位置变化
• 6.4.1 实验介绍
• 6.4.2 织口位移的检测精度
• 6.4.3 实验结果
• 6.4.4 实验分析及结论
• 6.5 本章小结
• 第七章 总结与展望
• 7.1 总结
• 7.2 展望
• 参考文献
• 附录
• 作者在攻读硕士学位期间发表的学术论文