纹理分析技术在鞣制皮革分类系统中的应用

摘要

我国是皮革工业大国，但是我国皮革工业的生产方式仍停留在机械化阶段。在皮革生产过程中从鞣前准备到后整理阶段几乎都主要依赖于感官评价，这将很难保证产品的一致性和稳定性。将经验控制转向数字化控制正是皮革工业面临的主要难题。皮革生产过程中采用的感官评价，主要是对皮革粒面、纹理以及外力作用下纤维排列等进行判断和识别，这种方法所获得的是视觉图像信息，难以客观和准确，因此可以采用图像处理技术将皮革的视觉信息转换为数字信息，从而实现皮革生产过程的自动化。 为了利用纹理分析技术有效实现鞣制皮革分类，本文对铬鞣和植鞣皮革图像进行了一系列预处理。工业生产中获取的图像不仅会由于光照和设备等而受到噪声的影响，而且随时可能受到各种不可预知的污染和破坏，因此，本文摒弃了鞣制皮革图像的颜色信息。由于不同鞣制皮革差异较小，常用的直方图均衡化并不能达到最优的增强效果，所以本文选用全局灰度变换对皮革图像进行增强，并通过试验证明了该选择的正确性。本文还通过各种滤波器对鞣制皮革滤波效果的反复试验比对，选用小波包分解对鞣制皮革图像进行去噪，以此提高图像的信噪比。 本文首次提出了工业生产中的鞣制皮革自动分类系统框架，在此基础上，提出了四种纹理分析技术，并将其用于鞣制皮革的自动分类。首先，本文分析并确定了鞣制皮革灰度共生矩阵的最优参数，通过反复试验，选用5个最能反映鞣制皮革纹理的共生矩阵特征用于鞣制皮革分类；其次，本文对统计几何特征进行改进，并引入平均密度概念，试验证明，改进后的统计几何特征不仅对鞣制皮革进行有效分类，而且比原方法计算代价大大降低；再次，本文将分形维和空隙特征应用到鞣制皮革分类，也取得了很好的分类效果：最后，针对鞣制皮革的毛孔差异，本文提出了一种基于鞣制皮革毛孔形状的特征提取方法，试验数据表明，对四个不同容量的图像集，该方法较之前述三种方法，其分类效果最稳定，即使加入褶皱铬鞣皮革的干扰，其分类率也较其他方法高。综上所述，本文主要利用图像纹理分析技术对鞣制皮革的自动分类进行了研究。由于鞣制皮革图像纹理属于随机自然纹理，一些常用的纹理分析技术并不能有效的对鞣制皮革进行分类。针对鞣制皮革纹理的特点，本文不仅对经典纹理分析技术进行了优化和改进，还提出了一种新的鞣制皮革纹理分析方法，并获得了较高的识别率，这对提高制革工业生产自动化程度有一定的指导意义。

目录

文摘

英文文摘

声明

第一章引言

1.1课题背景及实际意义

1.2纹理分析与识别技术

1.2.1基于统计特征的纹理分析方法

1.2.2基于结构特征的纹理分析方法

1.2.3基于纹理模型的纹理分析方法

1.2.4空间及频率域联合纹理分析法

1.3论文的主要研究内容及结构

第二章鞣制皮革图像预处理算法

2.1颜色模型

2.1.1 RGB颜色模型

2.1.2 HSI颜色模型

2 1.3鞣制皮革图像颜色模型

2.2图像增强

2.2.1灰度变换增强

2.2.2直方图变换增强

2.2.3鞣制皮革图像的增强

2.3图像去噪

2.3.1线性滤波器

2.3.2非线性滤波器

2.3.3基于小波变换的图像去噪

2.3.4基于小波包的图像去噪

2.3.5鞣制皮革图像的去噪

2.4小结

第三章纹理分析技术在鞣制皮革分类系统中的应用研究

3.1鞣制皮革自动分类系统框架

3.2基于Fisher准则的线性分类器

3.3学习向量量化神经网络分类器

3.4基于灰度共生矩阵最优参数的鞣制皮革图像分类

3.4.1灰度共生矩阵特征提取

3.4.2鞣制皮革共生矩阵最优参数分析

3.4.3试验结果及分析

3.5基于改进的统计几何特征的鞣制皮革图像分类

3.5.1统计几何特征提取

3.5.2鞣制皮革的改进统计几何特征提取

3.5.3试验结果及分析

3.6基于分形维和空隙特征的鞣制皮革图像分类

3.6.1分形理论

3.6.2鞣制皮革分形维和空隙特征提取

3.6.3试验结果及分析

3.7基于毛孔形状的鞣制皮革图像分类

3.7.1基于遗传算法的图像二值化

3.7.2鞣制皮革毛孔形状特征提取

3.7.3试验结果及分析

3.8小结

第四章总结与展望

4.1论文工作总结

4.2发展与展望

参考文献

致谢

攻读硕士学位期间的科研成果