基于阈值分割的织物疵点检测方法研究与实现

摘要

织物疵点检测是纺织生产过程中一个重要的环节，常见的织物疵点达30余种。目前，国内绝大部分的纺织企业，对织物的疵点检测还是采用人工离线检测。人工检测效率低，易疲劳，而且容易出现漏检现象。如何快速、准确、低成本、高质量地检测出织物疵点，成为人们关注的焦点。利用数字图像识别技术进行织物疵点检测成为近年来一个研究热点。本文将数字图像处理技术应用于织物疵点检测，设计并实现了基于阈值分割的织物疵点检测方法。 本文介绍了图像识别中常用的数字图像处理技术，包括图像的灰度化，图像平滑、去噪，绘制灰度直方图，图像分割等。总结了现有的织物疵点检测方法，详细介绍了其中几种常用的方法，包括基于数学形态学的织物疵点检测方法、灰度统计量法、傅里叶分析法、小波分析法和灰度直方图法，并分析了各自的特点。在此基础上，本文借鉴国内外已有产品的模式和技术，在已有方法中选择合适的方法并进一步优化，提出了基于阈值分割的织物疵点检测方法。 图像分割是一种重要的图像分析技术，其中阈值分割因其简单、计算量小、性能较稳定而成为图像分割中应用最广泛的分割技术。阈值分割中阈值的选择是一个非常关键的问题，直接关系到图像分割的效果。本文选用迭代式阈值选择方法，该方法较适合双峰明显的图像。在织物疵点检测中有时会出现双峰不明显的现象，为此，本文提出了一种改进的阈值选择方法，采用类似于中值滤波的图像平滑技术，在阈值分割前对图像进行预处理，实现了较理想的分割效果。然后对疵点图像进行标识、轮廓提取、图像测量，计算疵点图像的周长和面积参数。 通过分析实验结果表明，基于阈值分割的织物疵点检测方法简单、计算量小，适合实时在线检测，能检测出多数常见疵点，具有较好的实用价值和应用前景。

目录

文摘

英文文摘

声明

第1章绪论

1.1织物疵点自动检测的重要意义

1.2 国内外疵点检测的研究成果及现状

1.2.1 国际织物疵点检测产品与技术的发展

1.2.2 国内织物疵点自动识别的研究现状

1.3本文研究内容

1.4本文主要工作

第2章相关图像处理技术综述

2.1 概述

2.2图像识别

2.3位图基础

2.3.1数字图像的基本概念

2.3.2 BMP文件结构

2.4图像预处理

2.4.1图像灰度化

2.4.2图像的平滑和去噪

2.5灰度直方图

2.5.1直接灰度变换

2.5.2直方图均衡化

2.5.3直方图规定化

2.6本章小结

第3章几种常见的疵点检测方法

3.1基于数学形态学的织物疵点检测方法

3.1.1数学形态学

3.1.2数学形态学检测织物疵点

3.2灰度统计量法

3.2.1矩法

3.2.2灰度共生矩阵法

3.3傅立叶分析法

3.4小波变换法

3.4.1 Gabor小波变换

3.4.2小波变换

3.5灰度直方图法

3.6本章小结

第4章 基于阈值分割的织物疵点检测方法实现

4.1 图像阈值分割

4.1.1阈值分割原理

4.1.2常见的阈值选择方法

4.1.3改进的阈值选择方法

4.1.4阈值分割实现

4.2疵点图像标识

4.2.1图像标识方法

4.2.2实现步骤

4.3疵点图像的轮廓提取

4.3.1理论基础

4.3.2实现步骤

4.4图像平滑

4.5 图像测量

4.5.1 疵点图像的周长测量

4.5.2疵点图像的面积测量

4.6本章小结

第5章实验过程及数据分析

5.1织物疵点简介

5.2疵点检测过程

5.2.1 “竹节”疵点图像的检测过程

5.2.2多种疵点图像检测过程

5.3检测结果分析

结论

参考文献

攻读硕士学位期间所发表的论文

致谢