登录

  • 登录
  • 忘记密码?点击找回

注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回
毕业论文网 > 毕业论文 > 理工学类 > 自动化 > 正文

织物图像的特征提取算法研究毕业论文

 2022-07-18 21:38:39  

论文总字数:25559字

摘 要

织物疵点检测课题背景是基于图像处理和微型计算机平台的,论述了疵点自动检测的重要性。基于Matlab平台,使用Matlab语言编写出合理的布匹疵点检测算法,最终实现对布匹疵点的检测。

织物检测是个比较复杂的过程,包括图像预处理,图像特征提取,实验。主要的是特征提取这一部分,我主要用的是灰度共生矩阵的方法提取纹理特征,效果还是不错的。

文中首先介绍了Matlab在图像处理中的优势和特点。其次,介绍了灰度共生矩阵的原理。另外,为了能更直观地以共生矩阵描述纹理状况,本文还介绍了灰度共生矩阵的特征参数。通过Matlab实验,结果表明基于灰度共生矩阵的算法对有纹理的布匹有较好的检测效果,但对某个别疵点的检测具有局限性。随后提出了特征值比较法,来弥补基于灰度共生矩阵的算法的缺陷。

关键词: 灰度共生矩阵 织物图像 疵点检测 特征提取

Fabric Image Feature Extraction Algorithm On Matlab

Abstract

In image processing and miniature computer platform fabric defect detection as the subject background, this paper discusses the importance of the Defect automatic detection.

Based on Matlab platform, using Matlab language write a reasonable cloth defect detection algorithm, Finally realize the defect detection of cloth. This paper first introduces the advantages and characteristics of the Matlab in image processing. Secondly, this paper introduces the principle of gray symbiotic matrix. In addition, in order to can visually describe the texture to symbiotic matrix condition, this text also introduces the gray symbiotic matrix of the characteristic parameters. By Matlab simulation, the results show that the algorithm based on gray symbiotic matrix have an good effect on the veiny cloth. But to one individual defect detection has limitations. Then put forward the characteristic value comparison method, to make up for the defect of the algorithm based on gray symbiotic matrix.

Keywords: Gray Aymbiotic Matrix; Defect; Characteristic Value; Texture

目  录

摘 要 II

Abstract III

第一章 绪论 1

1.1研究背景与意义 1

1.2织物疵点检测系统的发展现状 3

1.2.1BARCO公司推出的有两种系统 3

1.2.2EVS公司的I-TEX验布系统 4

1.3国内外研究综述 5

1.3.1纹理模型 5

1.3.2纹理分析方法 6

1.3.3 国内外对纹理的理解 7

1.4本文的主要工作和组织结构 8

第二章 MATLAB仿真软件简介 9

2.1 MATLAB的发展历程 9

2.2 MATLAB的优势与特点 9

2.2.1友好的工作平台和编程环境 10

2.2.2简单易用的编程语言 10

2.2.3强大的科学计算机数据处理能力 10

2.2.4出色的图形处理功能 11

2.3数字图像处理技术 11

第三章 基于灰度共生矩阵织物织物图像特征提取算法 13

3.1疵点分类 13

3.2灰度共生矩阵 15

3.3基于灰度共生矩阵的特征提取 18

3.4基于灰度共生矩阵的疵点检测算法 21

3.5 实验结果及分析 22

3.5.1实验准备 22

3.5.2 KNN分类算法实验 25

(1) 灰度共生矩阵的计算 25

(2) k折交叉运算,KNN分类算法 27

3.5.3实验小结 30

参考文献 31

致谢 33

第一章 绪论

1.1研究背景与意义

我国加入世贸组织后,纺织品配额被逐年取消,为我国纺织品提供了广阔的国际市场。近年来,欧美等一些发达国家纷纷利用纺织标准等技术性壁垒限制我国纺织品出口,同时对纺织品的质量指标提出了更严格的标准,这已成为我国纺织品所面临的最大问题。由于质量检测水平达不到国际标准,由此每年给我国纺织品出口造成的损失巨大。所以尽快改善我国纺织品的质量检测水平至关重要。

在纺织品生产过程中,质量控制与检测是非常重要的,织物疵点检测是其中最重要的一部分。目前国内织物检测基本上是由人工视觉来完成。在检测过程中,由于人眼视觉存在偏差,首先,一个检验员精力集中的最长时间只有20 min~30 min,超过这个时间就会疲劳,检验员的注意力就会降低引起漏检。其次,一个检验员的工作状态受到外界因素,如疵点类型和大小、频率、天气、身体情况影响会不断变化,较低的重现率并不奇怪,也会影响检测结果。

织物的疵点检测算法研究这个课题,是为了填补国内在这个方面的空白--改进国外产品的不足的基础上提出的。本课题在原有的Matlab图像处理的基础上,作进一步的研究和开发,以提高整个系统的自动化程度和精确度。

纺织工业是关系到国家经济和人们生活的重要行业,是我国出口创汇的重要领域。 随着我国市场经济的发展和加入WTO,各行各业都面临着全球范围的竞争。产品质量的提高和生产成本的降低成为竞争的关键,这使得产品质量作为竞争能力的重要体现愈来愈受到重视。质量控制越来越受到现代企业的普遍关注。布匹疵点是影响织物品质的主要因素。

长期以来,织物疵点检测都是由人工完成的(如图1-1)。这种方法有很多弊端。首先,人工检测严重降低了纺织工艺流程的自动化程度,检测速度一般在15-20米/分。其次,人工检测依靠验布人员的经验和培训的熟练程度,以及评判标准的不稳定和不一致性。因而会产生误检和漏检。第三,疵点检测对工人来说是一个繁重无味的体力劳动,而且极大地伤害了验布工人的视力。

请支付后下载全文,论文总字数:25559字

您需要先支付 50元 才能查看全部内容!立即支付

微信号:bysjorg

Copyright © 2010-2022 毕业论文网 站点地图