基于图像处理的纺织纤维横截面的识别研究

摘要

纤维检测是通过对各种纤维的识别来检测纺织品的成份及各成分含量，在纺织品的质量评价和性能分析中具有重要意义。
　　 本文用纺织材料学、数字图像处理学、模式识别等方面的知识系统、深入的研究了通过纺织纤维横截面图像来识别纺织纤维。该研究实现了对纤维图像更加高效的自动识别，排除了以往人工识别纺织品操作复杂、人为主观误差大的缺点。采用灰度化、平滑滤波、中值滤波、二值化、膨胀、收缩、边缘检测等技术对纤维图像进行预处理，得到纤维图像的二值边界图。使用几何学中的知识，根据纤维边界二值图像的特点，选取五个特征值作为分类指标，即单纤维截面图像周长、周长所围面积、轴度，复杂度和中心矩并提出轴度概念及算法。选取棉毛丝各十个标准样本作为模板建立分类准则，采用最近邻域法对一百五十个棉毛丝纤维待测样本进行识别。
　　 采用UML(Rationa.Ros.Enterpris.Edition)作为软件开发的工具，进行系统构造，采用Matla.6.5作为开发纤维图像处理和分析软件的程序开发平台工具。该系统集成了纤维图像处理与分析的过程，包括图像的预处理以及图像的特征提取等算法。

目录

文摘

英文文摘

声明

第一章 绪论

1.1 课题背景

1.2 本课题研究意义

1.3 研究的主要内容、创新点及关键技术

1.3.1 本研究的主耍内容

1.3.2 本研究的创新点

1.3.3 关键技术

第二章 数字图像学与纤维截面图像预处理

2.1 数字图像学

2.1.1 图像和图像处理

2.1.2 数字图像处理的特点

2.1.3 数字图像处理的应用

2.2.纤维截面图像处理手段

2.2.1 图像平滑

2.2.2 中值滤波

2.2.3 图像二值化、膨胀和收缩

2.2.4 图像边缘检测

第三章 纤维截面特征选择和提取

3.1 特征选择和特征提取

3.1 纤维截面图像的形态特征

3.2 纤维横截面图像的特征选择

3.2.1.截面周长P

3.2.2.截面面积S

3.2.3 轴度TD

3.2.4 复杂度FD

3.2.5 中心矩M

第四章 纤维截面图像识别

4.1 模式识别

4.2 最近邻域法

第五章 实验记录

5.1 图像预处理

5.1.1 步骤

5.1.2 小结

5.2 分类器设计

5.3 识别验证

第六章 纤维图像自动识别系统

6.1 系统总体设计方案

6.2 功能模块介绍

6.2.1 程序开发平台MATLAB 6.5

6.2.2 图像载入与显示模块(Loading and Showing)

6.2.2 图像预处理模块(PreDealing)

6.2.3 图像特征提取模块(DistillChara)

6.2.4 图像识别模块(Classify)

第七章 结束语

7.1 总结

7.2 展望

参考文献

致谢

附录：作者在攻读硕士学位期间发表的论文