基于小波变换和SVM的织物疵点检测与分类

摘要

织物疵点检测作为纺织企业质量控制的重要环节，一直以来普遍采用人工检测的方式。这种方式效率低下，工人劳动强度大，影响了织物企业的生产效率。因此，本文设计了一种基于小波变换和SVM的织物疵点检测与分类系统，其核心模块包括疵点检测模块和疵点分类模块。
　　在疵点检测模块中，本文主要做了如下工作：（1）首先对织物图像进行预处理。利用同态滤波的方法消除织物图像的光照不均，并采用直方图均衡化增强其对比度，使疵点更加突出。（2）利用多尺度小波变换模极大值对织物图像进行疵点边缘检测。将 B样条小波作为平滑函数，对织物图像进行小波变换并求取模极大值，利用基于插值的模极大值抑制寻找疵点边缘，并通过窗口自适应阈值去除伪疵点边缘，最后进行多尺度边缘图像融合，得到疵点的边缘图像。（3）研究了织物图像自适应正交小波的疵点检测。利用单层小波分解高频子图像能量最小作为逼近函数，根据 Daubechies条件构造织物自适应正交小波；对织物图像进行自适应小波分解，利用高频子图像熵值确定最佳分解层数；分解后，根据水平细节和垂直细节子图像能量比确定权重并对其进行融合，利用一维最大熵法对融合图像进行阈值分割，从而得织物疵点的二值化图像。
　　在疵点分类模块中，本文利用SVM设计分类器对织物疵点进行分类。首先对织物图像经自适应小波变换后的融合图像进行特征提取，将其灰度共生矩阵的统计特性作组合作为织物样本的特征向量，对样本进行训练，设计一对一的多类SVM分类器，将疵点样本输入分类系统进行分类。
　　本文对织物疵点检测和分类系统进行了软件方面的设计和实现，实验结果表明，设计的算法能够较好地检测主要疵点，漏检率低，且分类相对准确。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 课题研究背景及意义

1.2 织物疵点检测系统研究现状

1.3 织物疵点检测算法研究综述

1.4本文主要工作和章节安排

第二章 织物疵点检测系统的设计

2.1 织物疵点自动检测系统的总体结构

2.2 织物疵点检测和分类算法的软件设计

第三章 织物图像的预处理

3.1 织物疵点的种类及形成原因

3.2 织物图像的预处理

3.3 本章小结

第四章 基于小波变换的织物疵点检测

4.1 小波理论基础

4.2 织物图像的小波分解

4.3 基于B样条小波模极大值的织物疵点检测

4.4基于自适应小波织物疵点检测

4.5本章小结

第五章 织物疵点图像的特征提取

5.1 灰度共生矩阵

5.2 灰度共生矩阵统计特性

5.3 织物图像的灰度共生矩阵特征提取

5.4 本章小结

第六章 基于SVM的织物疵点分类

6.1 支持向量机的二元分类算法

6.2 SVM的多分类器设计

6.3 织物疵点的分类器设计

6.4 本章小结

第七章 总结与展望

7.1 总结

7.2 展望

参考文献

攻读硕士论文期间发表学术论文情况

致谢