基于织物表面纹理的疵点分割方法研究.pdf

《基于织物表面纹理的疵点分割方法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、－－－■心＇－．＇Ｉ：尸：／？．‘ｉ、＂？．？、－－．．：‘古．？ｒ山：．‘．，．．：．．．．．？．，．？…．１＊＇＇＇－？—？？－－，ｆ－，ｖｊＴ产．＇一？．，．＇、．二＇Ｗ．．节．；一；．．．＇－‘１Ｖ．■．＇Ｖ．，．－？＇’。．？－１，．．：＇＇＇－冉＇＜；＼Ｖ，鴻古葦信徐义＇．■＼■ｉ：．／ｒ‘／Ｖ’，、户＇‘弓：；＇二—与？－；，＇．＇．，Ｃ中文题名）基于

2、织物表面纹理的疵点分割方法研究（英文题名）Ｒｅｓｅａｒｃｈｏｆｄｅｆｅｃｔｓｅｇｍｅｎｔａｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｆａｂｒｉｃｓｕｒｆａｃｅｔｅｘｔｕｒｅ二．＂＊？■■．？．张正去’。：研究生：：导师：石美红（职称）邱栋（职称）＊学院：计算机科学学院Ｖ．计算机技术学科＃业：＇／专业学位＇学化类巧：２０１炸／：学位授予年度＾．＇．／？．．．＇．节一：－‘＇Ｉ－－．．‘’．＾．‘．？．’－＇＇．１：；

3、，，．－■Ｖ．；＊■－ｆ■－：，学校代码１０７０９Ｊ中图分类号ＴＰ３９１ＵＤＣＺＩＩＺ密级：□公开□保密秀净义化｝、每硕±葦佳旅文（考处葦佐）论文题名：基于织物表面纹巧的疵点分割方法研究研究生张正学号：２０１２１０７导师（校内）：石美红教授导师Ｃ校外）；邱栋高工学院：计算机科学学院专业领域：计算机技术申请学仿：工程硕±答辩委员会主任委员；张ｋｒ教Ｊｉｆ答辩日期：年ｒ月日西安工程大学学位论文原创性声明本人郑重声明：所呈交的学位论文是本

4、人在导师的指导下，独立进行研究工作所取得的成果。除文中己经注明引用的内容外，本论文不包含任何其他个人或集体己经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中Ｗ明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名；日期＞；方＾年＾月日西安工程大学学位推文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部ｎ或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权西安工程大学教学目的使用本学位论文，将全部或部分内容编入有关数据库进行检

5、索，可Ｗ采用影印、缩印或扫描等复制手段保存和汇编本学位论文。□保密，在年解密后适用本授权书。＿＿本学位论文属于□不保密，□立即或在□！年Ｑ２年后开放使用。学位论文作者签名；蘇玉指导教师签名：日期＇；＞皆年主月义日日期：＞片年玉月日＾基于织物表面纹理的疵点分割方法研究摘要；织物疵点分割是织物疵点自动检测系统的关键，它直接影响着后续的疵点分类识别结果。己有的疵点分割算法大多只适用于对比度高、背景纹理不明显的织物一疵点图像，而对于对比度低、背景纹理显著的织物疵点图像难Ｗ适应。针对这问题，。研究了织物表面纹理的疵点

6、分割方法，因此，本选题具有重要的现实意义及应用价值在查阅大量文献和对现有疵点分割方法研究的基础上，对背景纹理显著、对比度低的织巧固像的疵点分割方法进行了深入的研究，本文所做的主要工作和研究成果如下；１研究分析了正常织物纹理与疵点纹理的差异特征和织物视觉显著性特征，提（）一种基于局部纹理模式的粗趟度出了、对比度Ｗ及方向特征的纹理描述方法。实验结一果表明，提取的纹理粗礎度特征图、对比度特征图和纹理方向特征图在定程度上突显了疵点区域。口，采用的线性量化精度）针对己有的局部纹理粗蹈度算法中在选取邻域尺寸时不高的问题，提出了改进局部纹理粗趟

7、度算法。经实验对比，验证了改进局部纹理粗髓度算法的有效性。一３针对织物纹理显著性特点，提出了种纹理显著性特征提取算法。首先，利（）一用改进局部纹理粗糖度计算每像素点所对应的最佳窗口尺寸，求得每个最佳；然后一，窗口下的纹理粗構度、对比度和纹理方向，；最后通过归化加权融合生成纹理显著性特征图。经Ｔ正ＤＡ织物纹理图库Ｗ及线阵ＣＣＤ相机采集的织物图像数据实验测，与其他相关方法相比试，本文提取的纹理显著性特征具有较好的鲁棒性。（４）针对传统脉冲親合神经网络（ｐｕｌｓｅｃｏｕｐｌｅｄｎｅｕｒａｌｎｅｔｗｏｒｋｓ，简称ＰＣＮＮ）模型过一于

8、复杂、参数多，及其在图像