基于图像处理技术的织物疵点检测与识别技术分析

《基于图像处理技术的织物疵点检测与识别技术分析》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第1章绪论1．1课题研究的目的与意义产品质量和生产效率是企业生存的立足之本。质量控制与检测在纺织品生产中十分重要，而疵点检测是其中的关键组成部分。迄今为止，国内大多数纺织企业，尤其是中小企业，对织物疵点的检测主要依赖人工离线检测来完成。检验工人通过肉眼观察，凭借自己的经验来检测疵点。这种方法存在明显缺陷：受检测人员自身主观因素及车间环境等客观因素影响大，误检率和漏检率高，无法保证产品高质量；工人的劳动强度大、检测效率低，检测工人需要长时间保持全神贯注的工作，对工人身体健康不利。因此，研究开发快速、可靠的自动检测系统来代替人工检测是十分迫切的需要。纺织生

2、产过程中，织物疵点的检测是最难实现自动化的工序。一直是国内外学者关注和研究的热门课题。由于织物疵点的产生是一个随机过程，它可能产生于加工生产过程的任意阶段，织物疵点种类繁多，外形复杂多变，并且织物的材料、颜色也是复杂多样，这为疵点检测自动化的实现带来了诸多难题。对基于计算机视觉的织物疵点自动检测的研究始于上世纪80年代初。经多年的理论算法和实验室样机研究，几家国外公司推出了面向市场的验布系统。比较出名的有瑞士Usterll，2】公司的Fabriscan自动验布系统、以色列EVSt3'4J(ElbitVisionSystems)公司的I-TEX系列验布系

3、统。这些验布系统比人工检验具备高的检测速度和精确度，但价格十分昂贵，一般企业难以承受。此外，我国的织物结构与国外有一定差异，故自主研发织物疵点自动检测系统非常必要。国内对织物疵点自动检测的研究与国外存在较大差距，但是近年来，计算机、固体图像传感器和数字图像处理技术的发展，为织物疵点自动检测系统的研究开发提供了强大的硬件基础，有力地促进了国内在这方面的研究步伐。以“计算机+工业相机+高速图像采集卡”为硬件基础，通过改进、优化图像处理与疵点检出软件，研究开发检测速度快、精确度高的织物疵点自动检测系统，已成为本领域的研究热点，广为关注。对提升国产纺织品的质量

4、和生产效率，促进我国纺织行业的发展有重要意义。1．2国内外研究现状计算机视觉是一门研究如何使机器“看”的科学，即用摄像机和计算机组成的1青岛大学硕士学位论文机器视觉系统代替人眼对目标进行观察、识别、跟踪和测量等。基于计算机视觉的织物疵点检测研究始于20世纪80年代，是随着计算机和图像传感器的发展而兴起的，属于纺织、计算机、传感器、图像处理和模式识别等多学科交叉的前沿研究领域。20世纪90年代以来，计算机图像处理技术用于织物疵点检测的研究逐渐成为热点课题，美国、瑞士、以色列、日本等国的学者在参考和借鉴了其它工业检测系统的开发经验，综合应用数字图像处理、应

5、用数学、计算机科学等领域的最新研究成果，陆续发表了大量相关研究论文，不断提高织物疵点检测的理论水平。1．2．1国外研究现状织物具有明显的纹理特征，例如，平纹、缎纹、斜纹等，织物图像特征的提取和识别，是疵点检测研究中最核心的内容。一般按照图像处理方式不同，织物疵点特征值的提取可分为两类：一类是在空间域直接对图像的灰度值进行计算并提取特征值；另一类是将图像通过变换，转到频率域后再分析提取特征值。(1)空间域的织物疵点检测方法研究空问域方法是直接对织物图像灰度值进行计算，主要有高斯一马尔科夫随机场、灰度直方图统计、灰度共生矩阵、灰度匹配等方法。1991年，C

6、ohenF．S等【5J运用基于高斯．马尔科夫随机场(GaussMarkovRandomField，GMRF)纹理模型的方法对织物疵点进行检测。先用GMRF模型对无疵点织物图像进行训练，获得无疵点织物纹理参数，作为参考指标。将待检测织物图像分割为N×N的小窗口，通过计算各窗口内GMRF模型统计参数与参考指标的差值，以此确定待检织物窗口内是否含有疵点。1993年，SardySar掣6J对平纹、斜纹和缎纹三种类型织物的疵点进行识别。首先提取织物疵点图像的纹理特征值，主要包括二阶矩、加重(Emphasis)、熵、不一致性等，然后将提取的特征值作为反向传播神经网

7、络的输入，对神经网络进行训练学习，用训练好的神经网络检测待检织物。该方法可检出断纬、纬向不均、杂质和筘痕四类疵点。2001年，SungHoonJeong掣，J设计了一种织物疵点分类检测系统。该系统分别采用中值滤波对采集的图像去噪，熵值法对图像进行二值化处理，用形态学处理对图像分割，然后采用硬聚类算法(K．mean)和贝叶斯分类器(Bayesclassifier)对织物疵点分类识别。该系统可比较准确地对织物疵点进行分类，且处理速度也较快。2004年，AnganostopoulosC等【8J提出一种滑动窗口(SlidingWindow)算法。’第1章绪论该

8、算法是基于统计学的标准偏差，判断A、B两个窗口像素灰度值的标准偏差的比率是否超过预先设定的阈值