基于自适应小波变换的机织物结构参数自动识别

摘要

构成织物的纱线的性质和织物本身的结构，如织物密度、组织结构等，是影响织物机械性能的主要因素。因此，在质量检测过程中，织物的结构参数分析是一项重要内容。迄今为止，主要的检测仍然需靠人工操作来完成。然而，人工检测是一项费时耗力、效率低下的工作，并且在检验过程中还存在人眼易疲劳等不利因素，已越来越难于满足当前生产的需求。所以，利用图像处理技术开发一种织物结构参数自动识别系统是非常有必要的。 本论文主要研究基于织物自适应正交小波变换的机织物结构参数的自动识别。主要内容如下：第一章对国内外各种用于机织物结构参数自动识别的图像处理方法进行简介和比较，并最终确定本文采用的研究方法：自适应小波分析方法。第二章从傅立叶变换和短时傅立叶变换开始，重点介绍多分辨率分析、正交小波变换的一些基本概念和正交小波变换的快速算法，同时描述了构造紧支撑正交小波基的基本方法，为在实际工程应用中正确设计滤波器系数提供理论工具。第三章主要阐述织物图像的采集装置和光照不匀的校正、Wiener滤波和直方图均衡化等图像预处理方法，并对预处理前后的图像效果进行了比较。第四章具体讲解织物结构参数自动识别的方法和流程：首先分别运用自适应小波分解和自相关函数分析来获取织物的经纬纱线信息和组织循环大小，然后结合二者信息自动识别织物的结构参数。第五章对实验结果进行分析和讨论，并从织物组织结构、织物疏密程度、织物颜色、图像放大倍数和不同识别区域等多方面来验证该套算法的适用性、可靠性及稳定性。第六章对本论文进行了总结与展望。本文采用自适应正交小波分析方法来自动识别机织物的结构参数。对预处理后的图像进行自适应小波分解得到织物的经纬纱线信息，从而可自动识别织物的结构参数。相对于其它织物结构参数自动识别方法而言，单层自适应小波分解能够降低图像处理时间，提高识别效率，同时分解得到的图像能够清晰、完备地包含织物的经纬纱线信息，提高识别的准确度。结果显示采用自适应小波分析方法能够准确的识别三种基本组织织物的结构参数，是一种行之有效的识别方法。

目录

文摘

英文文摘

东华大学学位论文原创性声明及版权使用授权书

第一章文献综述

1.1在时域处理图像的识别方法

1.2在频域处理图像的识别方法

1.2.1傅立叶分析法

1.2.2小波分析

1.3本章小结

1.4本文的主要研究内容

参考文献

第二章小波分析方法简述

2.1小波理论发展简史

2.2傅立叶变换和STFT变换

2.3连续小波变换

2.4离散小波变换

2.5多分辨率分析与正交小波变换

2.5.1多分辨率分析

2.5.2二尺度方程

2.5.3正交小波变换的快速算法

2.5.4正交小波基的构造

2.6本章小结

参考文献

第三章织物图像的采集与预处理

3.1织物图像的采集

3.1.1图像采集设备

3.1.2取样要求

3.2织物图像的预处理

3.2.1校正光照不匀

3.2.2 Wiener低通滤波

3.2.3直方图均衡化处理

3.3本章小结

参考文献

第四章结构参数的提取

4.1自相关函数分析

4.2织物图像的单层自适应小波分解

4.3织物自适应正交小波的构造

4.3.1自适应正交小波的代价函数优化

4.3.2织物自适应正交小波的分步优化

4.3.3基于渐近迭代算法的织物自适应正交小波基优化

4.4织物图像的小波分解及后期处理

4.4.1织物图像的小波分解

4.4.2织物子图像的二值、平滑处理

4.5织物结构参数的识别

4.5.1织物密度的计算

4.5.2组织结构的识别

4.6本章小结

参考文献

第五章试验结果讨论与分析

5.1试验流程

5.2试验样本

5.3实验结果及分析

5.3.1织物组织结构

5.3.2织物疏密程度(密度)

5.3.3采集图像的放大倍数(拍摄高度)

5.3.4不同的识别区域

5.3.5单色织物

5.4结论

5.5本章小结

第六章总结与展望

研究生在读期间发表论文情况

致谢