隨著人們生活水平不斷提高,對織物質(zhì)量的要求日益嚴(yán)格。據(jù)調(diào)查發(fā)現(xiàn),服裝業(yè)的服裝劣質(zhì)原因主要與織物疵點(diǎn)有關(guān),因此對織物疵點(diǎn)進(jìn)行檢測與判別是織物質(zhì)量檢測中至關(guān)重要的環(huán)節(jié)。織物疵點(diǎn)圖像經(jīng)離散傅里葉變換后會得到相應(yīng)的頻譜圖,頻譜圖上的亮點(diǎn)中包含著織物疵點(diǎn)信息,基于此本文提出了一種在頻率域上的織物疵點(diǎn)檢測算法。BP神經(jīng)網(wǎng)絡(luò)具有極強(qiáng)的非線性擬合能力,常被應(yīng)用于模式識別中,本文將BP神經(jīng)網(wǎng)絡(luò)和隨機(jī)森林相結(jié)合,并將結(jié)合后的網(wǎng)絡(luò)應(yīng)用于織物圖像的疵點(diǎn)判別。（1）針對織物疵點(diǎn)圖像的頻譜圖,本文設(shè)計(jì)了一種頻率域?yàn)V波器,它包含多個用于覆蓋頻譜圖中心亮點(diǎn)周圍的亮點(diǎn)的最優(yōu)圓形頻率域Gabor濾波器,和一個用于覆蓋頻譜圖中心亮點(diǎn)的頻率域中心掩模。根據(jù)選取最優(yōu)Gabor濾波器數(shù)量的不同,本文提出了兩種頻率域織物疵點(diǎn)檢測算法—算法一和算法二,并應(yīng)用這兩種算法對織物疵點(diǎn)圖像作疵點(diǎn)檢測,實(shí)驗(yàn)表明,兩種算法均能有效地檢測不同類型的疵點(diǎn),但算法一對疵點(diǎn)細(xì)節(jié)處的檢測效果不太理想,而算法二對疵點(diǎn)細(xì)節(jié)處的檢測效果會優(yōu)于算法一。最后,從算法和檢測效果兩個方面將本文算法二與其他算法進(jìn)行比較,結(jié)果表明,本文算法二檢測出的疵點(diǎn)更接近于真實(shí)的疵點(diǎn)... 

【文章來源】：閩南師范大學(xué)福建省

【文章頁數(shù)】：52 頁

【學(xué)位級別】：碩士

【部分圖文】：

織物疵點(diǎn))(e)(f

第2章基于頻率域?yàn)V波器的織物疵點(diǎn)檢測7第2章基于頻率域?yàn)V波器的織物疵點(diǎn)檢測2.1引言近年來，學(xué)者們發(fā)表了一系列關(guān)于織物疵點(diǎn)檢測的文章，文章中的檢測算法可以大致分為空間域上檢測和頻率域上檢測兩種，文[15]的檢測方法就屬于空間域上的檢測方法。管聲啟等[38]利用頻率域?yàn)V波器抑制正常紋理頻譜信息，根據(jù)重構(gòu)灰度圖像的若干子窗口判別疵點(diǎn)的存在性，該方法與文[14]的檢測方法都屬于頻率域的檢測方法。受上述文獻(xiàn)啟發(fā)，本章在頻率域上設(shè)計(jì)了頻率域?yàn)V波器，基于該濾波器提出了頻率域的織物疵點(diǎn)檢測算法，并應(yīng)用新算法對織物疵點(diǎn)圖像作檢測。2.2預(yù)備知識在織物疵點(diǎn)圖像經(jīng)離散傅里葉變換后得到的頻譜圖中，疵點(diǎn)信息主要集中在頻譜圖的中心亮點(diǎn)及其周圍亮點(diǎn)中。針對這一特點(diǎn)，本章擬設(shè)計(jì)一種頻率域?yàn)V波器來作疵點(diǎn)檢測。該濾波器由1個頻率域中心掩模和多個頻率域Gabor濾波器組合而成，因此接下來主要分析頻譜圖的特點(diǎn)，并介紹Gabor濾波器的相關(guān)理論。2.2.1織物疵點(diǎn)圖像的頻譜圖分析由于本章將要在頻率域上設(shè)計(jì)濾波器，所以需要先研究織物疵點(diǎn)圖像的頻譜圖，圖(a)~(d)分別為含緯紗帶入、漿斑、污漬、破洞的織物圖像；(e)~(h)依次為它們對應(yīng)的頻譜圖，如圖2.1所示。圖2.1織物疵點(diǎn)圖像及其頻譜圖)(a)(b)(c)(d)(e)(f)(g)(h從圖2.1中的he)(~)(可以看出頻譜圖上的亮點(diǎn)具有對稱性，且主要分布在水平、豎直以及45°和135°這4個方向上�，F(xiàn)對)(e和)(h兩幅頻譜圖中的亮點(diǎn)進(jìn)行探究，圖2.2

閩南師范大學(xué)理學(xué)碩士學(xué)位論文8中)1(e和)1(h分別為圖2.1中)(e和)(h的中心亮點(diǎn)附近（紅色圓盤）包含織物疵點(diǎn)圖像)(a和)(d的信息；e)2(和)2(h分別為)(e和)(h中心亮點(diǎn)的周圍亮點(diǎn)附近（4個藍(lán)色圓盤）包含的信息，它們都是通過離散傅里葉逆變換得到的。圖)(e和)(h中的4個藍(lán)色圓盤大小相等，圓心到紅色圓盤的圓心距離也一致，且相鄰圓盤間是相切的。圖2.2頻譜圖(e)和(h)中兩種亮點(diǎn)附近包含的信息圖)(e)1(e)2(e1)(h)1(h)2(h由)1(e和)1(h可見)(e和)(h的中心亮點(diǎn)附近主要包含了疵點(diǎn)的團(tuán)狀信息，由e)2(知)(e的周圍亮點(diǎn)附近主要包含疵點(diǎn)的邊緣信息；盡管)(h中僅有1個中心亮點(diǎn)，但是由)2(h知其周圍亮點(diǎn)附近也包含了疵點(diǎn)的邊緣信息，)(f和)(g乃至于多數(shù)織物疵點(diǎn)圖像的頻譜圖都具有這樣的特點(diǎn)。2.2.2多尺度多方向的圓形Gabor濾波器的相關(guān)理論Gabor濾波器是一種尺度和方向均可變化的帶通濾波器，多尺度多方向的圓形Gabor濾波器具有優(yōu)秀的局部特征表示能力[39]。定義旋轉(zhuǎn)角度為(1)ttn，n為方向總數(shù)，則s尺度t方向的圓形Gabor濾波器為222(,)expexp()2ststststxygxyiuxvy，（2.1）其中yxyxttttcossinsincos，(,)ststuv表示(,)stgxy的中心頻率，st為相應(yīng)的Gauss函數(shù)的標(biāo)準(zhǔn)差，,,2,1ms,,,2,1nt，m為尺度總數(shù)。對（2.1）式作Fourier變換，得到相應(yīng)的頻率域Gabor濾波器為

【參考文獻(xiàn)】：
期刊論文
[1]多方向多尺度Gabor特征表示及其匹配算法[J]. 周德龍,張捷,朱思聰.  電子學(xué)報. 2019(09)
[2]基于機(jī)器視覺的疵點(diǎn)檢測方法的研究進(jìn)展[J]. 王孟濤,李岳陽,杜帥.  現(xiàn)代紡織技術(shù). 2019(05)
[3]采用頻域?yàn)V波的織物疵點(diǎn)檢測方法[J]. 劉偉斌,鄭力新,周凱汀.  華僑大學(xué)學(xué)報(自然科學(xué)版). 2017(04)
[4]基于Gabor濾波器對織造前簾子布疵點(diǎn)檢測研究[J]. 唐旭晟,楊思材,陳丹.  機(jī)電工程. 2017(07)
[5]基于全局和局部顯著性的織物疵點(diǎn)檢測[J]. 姚明海,潘海飛,王憲保.  浙江工業(yè)大學(xué)學(xué)報. 2017(01)
[6]應(yīng)用視覺顯著性的小提花織物疵點(diǎn)檢測[J]. 李敏,崔樹芹,陳佳.  紡織學(xué)報. 2016(12)
[7]基于隨機(jī)森林的快速興趣點(diǎn)檢測[J]. 呂嵐.  自動化技術(shù)與應(yīng)用. 2016(09)
[8]基于多尺度Gabor濾波器的角點(diǎn)檢測[J]. 田子怡,李云紅.  國外電子測量技術(shù). 2016(07)
[9]基于跨連卷積神經(jīng)網(wǎng)絡(luò)的性別分類模型[J]. 張婷,李玉鑑,胡海鶴,張亞紅.  自動化學(xué)報. 2016(06)
[10]基于灰度共生矩陣特征圖像的織物疵點(diǎn)檢測方法[J]. 吳哲,劉孝星,鄭力新,周凱汀.  微型機(jī)與應(yīng)用. 2015(21)

博士論文
[1]基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像分類方法研究及應(yīng)用[D]. 高震宇.中國科學(xué)技術(shù)大學(xué) 2018
[2]織物疵點(diǎn)自動檢測系統(tǒng)關(guān)鍵技術(shù)的研究[D]. 張星燁.江南大學(xué) 2012

碩士論文
[1]基于深度學(xué)習(xí)的織物圖像疵點(diǎn)區(qū)域定位算法研究[D]. 劉祥惠.中原工學(xué)院 2018
[2]玻纖布疵點(diǎn)識別和檢測的研究[D]. 周繼坤.閩南師范大學(xué) 2016



本文編號：2973659