基于图像处理的机织物组织结构识别方法

摘要

目前在纺织行业中主要依靠人工借助放大镜或照布镜识别机织物的组织结构，该方法不仅浪费了大量的人力和时间，而且人眼容易疲劳造成误识别。基于图像处理技术识别机织物组织结构，建立机织物组织结构自动识别系统，对提高纺织业自动化检测水平具有重要意义。
　　本文利用数字图像处理技术，设计了机织物组织结构的识别方法。首先针对原组织及变化组织结构的机织物，采用水平和垂直方向的灰度投影矫正经纬纱交织时存在的偏斜，完成组织点的分割;提出了基于梯度直方图的组织点特征提取方法，可准确反映组织点轮廓特征，通过模糊C均值聚类算法初步分类和识别组织点;根据机织物周期性规律，统计识别结果，校正误识别点，输出正确的机织物组织图。而对于条纹组织结构的机织物，根据纱线性质自动设定扫描窗口，基于GLCM提取纹理特征，分析相邻窗口之间的相关系数，将条纹织物分割成原组织或变化组织，再基于梯度直方图的方法进行识别。
　　通过本课题的研究，建立了一套完善的机织物组织结构识别方法，实现了机织物组织结构的自动识别，根据采集的机织物图像实时地输出组织结构图及基本单元组织图，给出经纬浮参数。实验结果表明，本文方法能够克服纱线尺度、颜色变化、光照不均以及织物组织结构多样等因素影响，有效的识别机织物组织结构。

目录

声明

摘要

第一章 绪论

1．1 课题背景及研究意义

1．2 国内外研究现状

1．3 本文的主要研究内容及组织安排

第二章 机织物概述

2．1 机织物的概念

2．2 机织物的分类

2．2．1 原组织

2．2．2 变化组织

2．2．3 条纹组织

2．3 本章小结

第三章 原组织及变化组织机织物识别方法

3．1 图像采集及预处理

3．1．1 图像采集

3．1．2 预处理

3．2 基于灰度投影的组织点分割

3．2．1 纱线偏斜矫正

3．2．2 组织点分割

3．3 基于梯度直方图的组织点特征提取方法

3．4 基于模糊C均值算法的组织点分类与识别

3．4．1 模糊C均值聚类算法

3．4．2 组织点分类

3．4．3 组织点属性判别

3．5 误识别点校正

3．6 本章小结

第四章 条纹织物组织结构的自动识别方法

4．1 基于GLCM条纹组织的分割

4．1．1 基于织物特性的扫描窗口选取

4．1．2 条纹织物组织结构的分割

4．2 条纹织物组织结构的识别

4．3 本章小结

第五章 实验结果及分析

5．1 原组织及变化组织的识别结果

5．2 条纹组织的识别结果

5．3 机织物组织结构自动识别软件的设计

5．4 本章小结

第六章 总结与展望

6．1 总结

6．2 展望

参考文献

发表论文和参加科研情况

附录

致谢