融合信息熵的紡織品疵點(diǎn)顯著性檢測(cè)方法研究
發(fā)布時(shí)間:2023-04-27 05:14
織物疵點(diǎn)檢測(cè)是紡織品生產(chǎn)過程中的重要環(huán)節(jié),人工檢測(cè)存在諸多弊端,難以滿足生產(chǎn)需求。隨著機(jī)器視覺與圖像處理技術(shù)的發(fā)展,織物疵點(diǎn)自動(dòng)檢測(cè)系統(tǒng)開始代替人工檢測(cè),但許多織物疵點(diǎn)檢測(cè)方法對(duì)不同的背景紋理圖案和疵點(diǎn)類型適應(yīng)性較低,為此本課題利用信息熵對(duì)紋理特征表示,并利用人類視覺注意機(jī)制能夠?qū)Ω信d趣區(qū)域快速準(zhǔn)確定位的特點(diǎn)完成織物疵點(diǎn)的定位與提取。首先,利用信息熵描述織物圖像的紋理。無疵點(diǎn)區(qū)域的紋理表現(xiàn)出周期性與確定性,當(dāng)織物出現(xiàn)疵點(diǎn)時(shí),疵點(diǎn)區(qū)域的紋理則表現(xiàn)出隨機(jī)性。圖像的一維熵是紋理不確定性和隨機(jī)性的測(cè)度,在一維熵的基礎(chǔ)上引入能夠反映紋理空間分布特性的二維熵,用于區(qū)分無疵點(diǎn)區(qū)域和疵點(diǎn)區(qū)域的紋理差異。然后,仿照人類視覺系統(tǒng)對(duì)顯著性特征的注意機(jī)制,利用四元數(shù)對(duì)織物圖像重新表示。由于RGB顏色空間的表示方法不適于人眼觀察機(jī)制,在經(jīng)典的視覺注意模型中則采用對(duì)立色彩空間對(duì)圖像進(jìn)行表示。本文根據(jù)織物圖像特點(diǎn),將描述紋理的二維熵結(jié)合對(duì)立色彩空間中的顯著性特征組成四個(gè)通道,并且利用四元數(shù)可以對(duì)多通道圖像整體表示的優(yōu)點(diǎn),提出了一種改進(jìn)的四元數(shù)圖像表示方法,充分提取了織物圖像的紋理信息與顯著性特征。最后,采用超復(fù)數(shù)傅...
【文章頁數(shù)】:71 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 課題研究背景與意義
1.2 織物疵點(diǎn)檢測(cè)的研究現(xiàn)狀
1.2.1 織物疵點(diǎn)檢測(cè)系統(tǒng)研究現(xiàn)狀
1.2.2 織物疵點(diǎn)檢測(cè)方法研究現(xiàn)狀
1.3 本文主要研究內(nèi)容和章節(jié)安排
1.3.1 主要研究內(nèi)容
1.3.2 章節(jié)安排
第二章 視覺顯著性理論
2.1 引言
2.2 視覺顯著性的生物學(xué)基礎(chǔ)
2.2.1 視覺顯著性的神經(jīng)學(xué)機(jī)制
2.2.2 視覺顯著性的心理學(xué)機(jī)制
2.3 視覺顯著性的研究現(xiàn)狀
2.3.1 基于空域的研究模型
2.3.2 基于頻域的研究模型
2.4 視覺顯著性對(duì)疵點(diǎn)檢測(cè)的研究意義
2.5 本章小結(jié)
第三章 融合信息熵的超復(fù)數(shù)變換模型
3.1 引言
3.2 圖像紋理特征的描述
3.2.1 圖像的紋理特征
3.2.2 紋理特征的描述方法
3.3 信息熵計(jì)算方法
3.3.1 信息熵理論基礎(chǔ)
3.3.2 圖像熵及計(jì)算方法
3.3.3 圖像的二維熵計(jì)算方法
3.4 織物圖像的四元數(shù)表示
3.4.1 超復(fù)數(shù)傅里葉變換概述
3.4.2 圖像的四元數(shù)表示形式
3.4.3 改進(jìn)的四元數(shù)圖像表示方法
3.4.4 改進(jìn)方法的實(shí)驗(yàn)結(jié)果對(duì)比
3.5 本章小結(jié)
第四章 基于頻域顯著性的疵點(diǎn)檢測(cè)方法
4.1 引言
4.2 織物圖像幅值譜分析
4.2.1 圖像的頻域信息
4.2.2 織物圖像的頻譜特點(diǎn)
4.3 頻域顯著性檢測(cè)方法
4.3.1 HFT模型
4.3.2 局部調(diào)諧的顯著性模型
4.3.3 顯著圖生成過程
4.3.4 參數(shù)α的影響
4.3.5 實(shí)驗(yàn)結(jié)果對(duì)比與分析
4.4 本章小結(jié)
第五章 疵點(diǎn)檢測(cè)實(shí)驗(yàn)結(jié)果與評(píng)估
5.1 引言
5.2 本文方法實(shí)驗(yàn)
5.2.1 實(shí)驗(yàn)準(zhǔn)備
5.2.2 實(shí)驗(yàn)結(jié)果與分析
5.3 對(duì)比實(shí)驗(yàn)
5.3.1 實(shí)驗(yàn)結(jié)果對(duì)比
5.3.2 實(shí)驗(yàn)數(shù)據(jù)評(píng)估
5.4 本章小結(jié)
第六章 總結(jié)與展望
6.1 總結(jié)
6.2 展望
參考文獻(xiàn)
發(fā)表論文和科研情況說明
致謝
本文編號(hào):3802940
【文章頁數(shù)】:71 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 課題研究背景與意義
1.2 織物疵點(diǎn)檢測(cè)的研究現(xiàn)狀
1.2.1 織物疵點(diǎn)檢測(cè)系統(tǒng)研究現(xiàn)狀
1.2.2 織物疵點(diǎn)檢測(cè)方法研究現(xiàn)狀
1.3 本文主要研究內(nèi)容和章節(jié)安排
1.3.1 主要研究內(nèi)容
1.3.2 章節(jié)安排
第二章 視覺顯著性理論
2.1 引言
2.2 視覺顯著性的生物學(xué)基礎(chǔ)
2.2.1 視覺顯著性的神經(jīng)學(xué)機(jī)制
2.2.2 視覺顯著性的心理學(xué)機(jī)制
2.3 視覺顯著性的研究現(xiàn)狀
2.3.1 基于空域的研究模型
2.3.2 基于頻域的研究模型
2.4 視覺顯著性對(duì)疵點(diǎn)檢測(cè)的研究意義
2.5 本章小結(jié)
第三章 融合信息熵的超復(fù)數(shù)變換模型
3.1 引言
3.2 圖像紋理特征的描述
3.2.1 圖像的紋理特征
3.2.2 紋理特征的描述方法
3.3 信息熵計(jì)算方法
3.3.1 信息熵理論基礎(chǔ)
3.3.2 圖像熵及計(jì)算方法
3.3.3 圖像的二維熵計(jì)算方法
3.4 織物圖像的四元數(shù)表示
3.4.1 超復(fù)數(shù)傅里葉變換概述
3.4.2 圖像的四元數(shù)表示形式
3.4.3 改進(jìn)的四元數(shù)圖像表示方法
3.4.4 改進(jìn)方法的實(shí)驗(yàn)結(jié)果對(duì)比
3.5 本章小結(jié)
第四章 基于頻域顯著性的疵點(diǎn)檢測(cè)方法
4.1 引言
4.2 織物圖像幅值譜分析
4.2.1 圖像的頻域信息
4.2.2 織物圖像的頻譜特點(diǎn)
4.3 頻域顯著性檢測(cè)方法
4.3.1 HFT模型
4.3.2 局部調(diào)諧的顯著性模型
4.3.3 顯著圖生成過程
4.3.4 參數(shù)α的影響
4.3.5 實(shí)驗(yàn)結(jié)果對(duì)比與分析
4.4 本章小結(jié)
第五章 疵點(diǎn)檢測(cè)實(shí)驗(yàn)結(jié)果與評(píng)估
5.1 引言
5.2 本文方法實(shí)驗(yàn)
5.2.1 實(shí)驗(yàn)準(zhǔn)備
5.2.2 實(shí)驗(yàn)結(jié)果與分析
5.3 對(duì)比實(shí)驗(yàn)
5.3.1 實(shí)驗(yàn)結(jié)果對(duì)比
5.3.2 實(shí)驗(yàn)數(shù)據(jù)評(píng)估
5.4 本章小結(jié)
第六章 總結(jié)與展望
6.1 總結(jié)
6.2 展望
參考文獻(xiàn)
發(fā)表論文和科研情況說明
致謝
本文編號(hào):3802940
本文鏈接:http://www.sikaile.net/kejilunwen/shengwushengchang/3802940.html
最近更新
教材專著