基于遗传算法和支持向量机的混纺纱线横截面图像分割方法的研究

摘要

纺织工业是我国传统的支柱产业，纺织品检测是纺织工业中不可或缺的一环。传统的检测方法大多依赖手工操作，主观性较强。如何提高检测方法的客观性和自动化程度，是实现产业可持续发展所面临的紧要问题。随着计算机图像处理技术和机器学习理论的快速发展，众多领域焕发了新的活力。如何融合计算机图像处理技术和机器学习理论，获得良好的纺织品检测结果，是其中关键的技术难点。本文重点研究了利用支持向量机对羊毛和粘胶的混纺纱线横截面图像，按羊毛和粘胶两种类别进行分割的方法。主要完成工作如下：
　　 (1)针对本文的分割对象，提出一套较为通用的图像预处理流程。
　　 (2)对混纺纱线中两种不同材质羊毛和粘胶，进行特征提取。从两者在形态上的差异着手，将它们与规则的圆、椭圆、矩形、外接多边形等进行比对，获得用于支持向量机训练所需要的样本集。
　　 (3)研究了遗传算法和支持向量机理论的基本框架。借助于两者框架，对遗传算法的选择算子进行了改进，对支持向量机的核函数类型进行了选择。并以一个应用的例子，说明了所做改进和选择的合理性。
　　 (4)基于遗传算法和支持向量机的图像分割方法的实证分析。以对羊毛和粘胶的混纺纱线横截面图像进行分割的应用为背景，对所提方法进行了分析验证，结果表明所提方法的可行性。
　　 (5)非启发式的网格搜索参数寻优和启发式的遗传算法参数寻优的对比分析。主要在获得分类器模型的速度上进行了对比分析，说明了遗传算法结合支持向量机方法的优越性。最后利用遗传算法结合支持向量机方法，对单根羊毛和粘胶混纺纱线的横截面进行图像分割，并对所得结果进行了纱线质量参数的计算和分析。

目录

文摘

英文文摘

声明

1绪论

1.1研究背景及意义

1.2相关领域的国内外研究现状

1.2.1图像处理技术在识别纤维种类中的研究概况

1.2.2遗传算法在优化理论中的研究概况

1.2.3支持向量机在模式识别中的研究概况

1.3研究目标与研究内容

1.4论文的行文结构

2纱线横截面的图像处理

2.1图像分割技术的发展现状

2.1.1图像分割的定义

2.1.2图像分割的方法

2.2纱线横截面图像获取方法简介

2.3预处理步骤

2.4预处理解决方案

2.5本章小节

3遗传算法及其改进

3.1遗传算法的基本概念

3.2遗传算法的理论基础

3.2.1模式的定义

3.2.2模式定理

3.2.3积木块假设

3.2.4隐藏并行性

3.3遗传算法的控制参数和基本流程

3.4遗传算法中选择算子的改进

3.4.1算法过程

3.4.2算法结果分析

3.5本章小节

4支持向量机理论

4.1机器学习的基本问题和方法

4.1.1机器学习

4.1.2经验风险最小化

4.1.3推广性与复杂性

4.2统计学习理论的核心内容

4.2.1函数集的VC维

4.2.2推广性的界

4.2.3结构风险最小化

4.3支持向量机

4.3.1支持向量机的原理

4.3.2核函数

4.3.3核函数的选择

4.4本章小结

5纱线横截面图像分割实验及应用

5.1实验目的与基本流程

5.2羊毛和粘胶的形态特征提取

5.3数据的归一化处理

5.4 SVM分类器的设计

5.5应用支持向量机对混纺纱线横截面图像进行分割的实验

5.5.1网格搜索参数寻优和支持向量机结合的图像分割实验

5.5.2遗传算法参数寻优和支持向量机结合的图像分割实验

5.5.3实验结果对比分析

5.6混纺纱线横截面图像分割后的应用

5.6.1纱线混纺比的计算

5.6.2纤维径向分布的计算

5.6.3误差分析

5.7本章小结

6总结与展望

6.1全文总结

6.2研究展望

致谢

参考文献

附录 攻读硕士学位期间发表的论文和出版著作情况