纺织品织物组织结构图像识别系统研究

论文摘要

纺织生产的自动化将是今后相当长的一段时间内需要讨论的话题。纺织生产的自动化首先包括织物组织结构识别的自动化，织物组织结构的自动识别程度将对纺织生产起着不可忽视的作用。本文对织物组织结构的自动识别进行了全方位的分析和研究，最后在DM642图像处理平台上进行了织物组织结构自动识别研究，实践证明，DM642织物图像识别，是一个项有效的，具有广泛推广价值的方案。织物组织结构识别包括织物图像(前期和后期)处理，织物图像前期处理又包含织物图像倾斜矫正和拼接，对织物图像后期处理的准确性影响重大。织物图像的倾斜主要是由织物本身的纱线倾斜以及图像采集时受客观因素影响造成。针对这一问题，本文提出一种快速的、准确率高的且计算量相对较小的织物图像倾斜矫正算法，比以往算法更好的兼顾了运算量与精度。为了使织物图像的视场范围达到能够满足至少一个组织循环周期，对所采集的多幅有重叠区域的相同大小的图像进行拼接，为此本文在总结多种算法优缺点之后，提出一种基于Harris角点提取的织物图像拼接算法和改进的加权平均融合算法对图像拼接和缝隙消除，处理效果清晰，且对织物图像的后期处理影响小。在织物图像后期处理方面，织物组织结构参数的识别利用织物图像的自相关函数检测组织循环周期；小波变换对图像进行分解，获得织物图像垂直、水平方向细节子图像，求得经纬纱密度，利用参数的相互关系得到其它参数。实验结果表明，对原组织、变化组织均具有较高的识别率。之后,本文通过对现阶段织物组织点各种算法的分析和研究，深入探讨了每种算法各自的优点以及技术难点，结合环境对织物组织点识别的影响的考虑，提出一种基元匹配识别改进算法与常规算法相结合的织物图像识别方法，有效地拓展了算法的适应范围。最后在计算机开发环境下，对织物简单组织进行识别算法的开发，然后将其转变为ＣＣＳ开发环境下的Ｃ语言识别算法，结果表明，与预知结果有着同样的识别效果，这是在嵌入式平台上实现织物图像识别的一次尝试，具有重要意义。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 课题背景
• 1.2 织物图像识别研究现状
• 1.2.1 国内外织物结构研究发状况
• 1.2.2 嵌入式图像处理技术的发展
• 1.3 本课题的完成的主要工作
• 1.4 章节安排
• 2 织物图像矫正与拼接
• 2.1 织物图像的倾斜校正
• 2.1.1 倾斜校正解决方案
• 2.1.2 Hough变换的基本原理
• 2.1.3 织物图像倾斜校正
• 2.1.4 小结
• 2.2 织物图像拼接
• 2.2.1 图像配准
• 2.2.2 图像融合
• 2.2.3 拼接缝隙消除方法
• 2.2.4 缝隙消除改进算法
• 2.2.5 多幅图像拼接
• 2.2.6 织物图像拼接结果
• 2.3 本章小结
• 3 图像织物参数分析
• 3.1 织物组织概述
• 3.1.1 织物参数分析的步骤
• 3.1.2 组织类别
• 3.1.3 织物组织结构参数
• 3.2 织物图像增强处理
• 3.2.1 织物噪声消除
• 3.2.2 空域与频域相互关系
• 3.3 织物参数分析提取
• 3.4 实验结果及分析
• 3.4.1 实验结果
• 3.4.2 结果分析
• 3.5 本章小结
• 4 织物组织结构的识别
• 4.1 织物组织识别算法概述
• 4.2 基元匹配模型识别法
• 4.2.1 基元匹配组织点识别的技术难点
• 4.2.2 组织点识别的优点与不足
• 4.3 模糊C-均值聚类分析法
• 4.3.1 聚类分析基本知识
• 4.3.2 模糊C-均值聚类改进方法
• 4.4 常规识别分析算法
• 4.4.1 小波变换法
• 4.4.2 图像分割、形态学组合处理方法
• 4.5 组织识别算法实验分析
• 4.5.1 常用算法织物识别实例
• 4.5.2 改进的混合识别算法实例
• 4.6 本章小结
• 5 DM642织物图像处理系统
• 5.1 硬件开发平台介绍
• 5.2 软件开发环境及流程
• 5.2.1 CCS软件具体介绍
• 5.2.2 DSP/BIOS介绍
• 5.3 织物参数识别算法的DM642实验平台实现
• 5.3.1 图像处理算法CCS环境下的程序架构
• 5.3.2 织物图像处理算法实现
• 5.3.3 织物结果图像文件获取与保存
• 5.4 织物图像处理结果
• 5.5 结果分析
• 5.6 本章小结
• 6 总结与展望
• 6.1 本论文取得的主要结论
• 6.2 未来的工作
• 参考文献
• 攻读学位期间发表文章
• 致谢