基于数字图像处理的羊绒与羊毛鉴别研究

摘要

本文研究主要依托中阿高校合作科研项目《中阿合作羊绒产业中羊绒纤维特征参数检测方法研究》进行，随机选取宁夏灵武羊绒市场流通的羊绒与羊毛纤维作为研究对象，利用数字图像采集系统采集两类纤维各1500根的样本图像，结合数字图像处理基本技术，对采集到的图像进行处理，得到单像素宽且边缘连续的纤维鳞边缘图像，进而提取表征纤维特性的8个特征参数和4个组合参数，统计分析各参数特性，最后运用贝叶斯理论建立了两类纤维的鉴别模型，实现了羊绒与羊毛纤维的高精度自动化鉴别。本文主要研究成果如下:
　　(1)研究了羊绒与羊毛纤维图像光学采集条件，确定适宜的采集方式，即光学显微镜采用反射式照明方式，物镜采用景深大、工作距离长的25倍物镜、样本制取须严格按照国际标准ISO17751:2007进行。
　　(2)研究确定了纤维图像预处理的最佳方案:源图像→图像灰度化→边缘增强→图像去噪→边缘提取→形态学处理。其中各阶段的最佳处理方法为:图像灰度化采用加权平均值法，边缘增强采用拉普拉斯锐化，图像去噪采用中值滤波，二值化阈值采用128，形态学处理采用膨胀和细化。
　　(3)提取了表征两类纤维特性的8个特征参数（即纤维直径、鳞片高度、鳞片周长、鳞片面积、相对鳞片周长、相对鳞片面积、径高比、方形度）和4个组合参数，即（dh）2、h2· Ad、（dh）2/Ad、（dh）2/（Ad·Pd）。在参数测量中，设计了分段测量纤维直径的方法，该方法可有效克服纤维的弯曲给参数测量带来的影响，其测量精度高于常用的三角形法和中轴线法。
　　(4)重点对各参数的分布特征、两类错误概率和相关性进行了统计分析，研究发现:各参数分布参数均服从正态分布;通过各参数的判别临界值、两类错误概率值、交叠面积，计算得8个特征参数正判率由大到小依次为，相对鳞片面积＞径高比＞相对鳞片周长＞直径＞鳞片高度＞方形度＞鳞片面积＞鳞片周长，4个组合参数正判率由大到小依次为，h2· Ad＞（dh)2＞（dh）2/Ad＞（dh）2/（Ad·Pd）;各参数间存在线性相关、线性无关、非线性相关三种关系。
　　(5)依据参数间相关性、正判率等关系，选择4种参数组合建立了鉴别两类纤维的贝叶斯鉴别模型。通过对4种模型鉴别结果的分析，发现参数个数、参数正判率、参数间相关性都对鉴别模型的精度有所影响，且参数个数越多、参数正判率越高、参数间相关系数越小的模型鉴别精度越高。依据此原则，最终确定了九参数的最优参数组合贝叶斯鉴别模型，实验表明，其鉴别精度达98.9％，实现了羊绒与羊毛纤维的计算机高精度自动化鉴别。

目录

声明

摘要

第一章 绪论

1．1 本课题研究目的及意义

1．2 羊绒基本概念

1．3 羊绒与羊毛纤维鉴别方法研究现状

1．4 本课题研究主要工作

第二章 纤维图像采集及预处理

2．1 纤维图像采集系统组成

2．2 样本图像采集

2．3 纤维图像预处理

2．4 本章小结

第三章 纤维特征参数的提取

3．1 纤维特征参数介绍

3．2 纤维特性参数测量

3．3 纤维特性相对指标参数的计算

3．4 本章小结

第四章 纤维特征参数统计分析

4．1 两类纤维各参数的分布特征分析

4．2 两类纤维各参数的两类错误分析

4．3 纤维特性参数相关性分析

4．4 本章小结

第五章 羊绒与羊毛纤维鉴别模型的建立

5．1 贝叶斯分类模型基本原理

5．2 8个特征参数的贝叶斯鉴别模型

5．3 4个组合参数的贝叶斯鉴别模型

5．4 鉴别结果分析及九参数模型建立

5．5 本章小结

第六章 总结与展望

6．1 主要研究成果

6．2 研究展望

参考文献

附录

致谢

个人简介