紡織品生產(chǎn)過(guò)程中,織物瑕疵的出現(xiàn)嚴(yán)重影響布匹的質(zhì)量,因此織物疵點(diǎn)檢測(cè)是紡織品出廠前的必要環(huán)節(jié),具有重要的意義和應(yīng)用價(jià)值。然而,織物圖像種類較多,且有著復(fù)雜的紋理,如何從中將形態(tài)多樣的織物疵點(diǎn)檢測(cè)出來(lái)已成為本研究領(lǐng)域的重要課題。在織物疵點(diǎn)的自動(dòng)檢測(cè)方法中,小波變換由于具有良好的空間定位特性以及多分辨分析的特點(diǎn),被人們廣泛的使用。但是,傳統(tǒng)的小波基針對(duì)不同紋理背景的織物進(jìn)行檢測(cè)時(shí)適應(yīng)性較弱,而采用自適應(yīng)小波基可以較好的適應(yīng)不同的織物紋理背景,使疵點(diǎn)信息在小波變換之后的子圖像中更加突出。為了更好的提高自適應(yīng)小波基對(duì)織物紋理的適應(yīng)性,本文對(duì)圖像預(yù)處理、自適應(yīng)小波基的構(gòu)造、圖像分解后的融合三個(gè)階段做出了改進(jìn)。所做的工作與研究成果如下:（1）構(gòu)建了一定長(zhǎng)度的小波基濾波器庫(kù),通過(guò)限定條件篩選出適合目標(biāo)織物紋理的自適應(yīng)小波基。為了提高織物圖像對(duì)小波變換的適應(yīng)性,在織物圖像的預(yù)處理階段提出了一種基于圖像熵的織物圖像分辨率優(yōu)化選擇算法,在合理的范圍內(nèi),選取同一種織物在多種分辨率下的圖像,通過(guò)分析這些圖像經(jīng)小波分解后子圖像的圖像熵來(lái)選取最優(yōu)分辨率。（2）由于單一自適應(yīng)小波基并不完全適合多層小波的分解,本文提... 

【文章來(lái)源】：中原工學(xué)院河南省

【文章頁(yè)數(shù)】：54 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景和意義
    1.2 小波變換的發(fā)展簡(jiǎn)史
    1.3 二維小波變換在疵點(diǎn)檢測(cè)中的應(yīng)用
    1.4 小結(jié)與討論
    1.5 本論文的主要研究?jī)?nèi)容
2 小波理論基礎(chǔ)
    2.1 連續(xù)小波變換
    2.2 離散小波變換
    2.3 多分辨率分析
        2.3.1 尺度函數(shù)和尺度空間
        2.3.2 小波函數(shù)和小波空間
        2.3.3 尺度函數(shù)的性質(zhì)
        2.3.4 小波函數(shù)
    2.4 Mallat分解與重構(gòu)算法
        2.4.1 Mallat分解算法
        2.4.2 Mallat重構(gòu)算法
    2.5 本章小結(jié)
3 自適應(yīng)小波基的構(gòu)造
    3.1 基于自適應(yīng)小波基織物疵點(diǎn)檢測(cè)算法流程圖
    3.2 構(gòu)造小波基濾波器庫(kù)
    3.3 小波分解原理
    3.4 優(yōu)選自適應(yīng)小波基
        3.4.1 子圖像小波系數(shù)極差
        3.4.2 子圖像小波系數(shù)能量
        3.4.3 子圖像紋理波動(dòng)
        3.4.4 熵值
    3.5 子圖像閾值分割
    3.6 基于圖像熵的分辨率優(yōu)化選擇
        3.6.1 分辨率單位的選擇
        3.6.2 圖像熵原理
        3.6.3 分辨率的優(yōu)化
        3.6.4 優(yōu)化分辨率的實(shí)驗(yàn)結(jié)果
    3.7 本章小結(jié)
4 基于混合自適應(yīng)小波基的織物疵點(diǎn)檢測(cè)算法
    4.1 小波靜態(tài)分解
    4.2 優(yōu)選自適應(yīng)小波基
    4.3 混合自適應(yīng)小波基的構(gòu)造與圖像分解
    4.4 基于最大熵的織物疵點(diǎn)分割與檢測(cè)
        4.4.1 最大熵閾值法
        4.4.2 膨脹與腐蝕
    4.5 實(shí)驗(yàn)結(jié)果與分析
    4.6 本章小結(jié)
5 基于改進(jìn)自適應(yīng)小波基的織物疵點(diǎn)檢測(cè)算法
    5.1 自適應(yīng)小波基的構(gòu)造
    5.2 織物疵點(diǎn)的檢測(cè)
        5.2.1 圖像的小波分解
        5.2.2 基于最大類間方差法的閾值分割
    5.3 基于投票機(jī)制的多圖像融合
    5.4 實(shí)驗(yàn)結(jié)果及分析
    5.5 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 課題的不足與展望
參考文獻(xiàn)
附件：碩士研究生期間的論文成果及參加項(xiàng)目
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于小波變換的織物疵點(diǎn)檢測(cè)[J]. 時(shí)峰,張鳳生,王者勝.  科技信息. 2014(09)
[2]基于小波變換的織物疵點(diǎn)圖像特征提取[J]. 周帥,張鳳生,李富才.  青島大學(xué)學(xué)報(bào)(工程技術(shù)版). 2013(02)
[3]閾值分割算法在圖像處理中的應(yīng)用[J]. 武紅玉.  科技信息. 2012(27)
[4]基于小波變換和圖像最大熵的織物疵點(diǎn)檢測(cè)[J]. 盧亮,趙靜.  科學(xué)技術(shù)與工程. 2011(22)
[5]基于改進(jìn)最大類間方差法的灰度圖像分割[J]. 王璇,張帆,程京.  微計(jì)算機(jī)信息. 2010(35)
[6]基于小波靜態(tài)分解的離散小疵點(diǎn)檢測(cè)[J]. 管聲啟,石秀華,王筠.  天津工業(yè)大學(xué)學(xué)報(bào). 2010(05)
[7]基于圖像最大熵的織物疵點(diǎn)檢測(cè)方法[J]. 趙靜,于鳳芹.  紡織科技進(jìn)展. 2010(02)
[8]基于自適應(yīng)小波三層分解的織物疵點(diǎn)檢測(cè)[J]. 姚芳,李立輕.  紡織科技進(jìn)展. 2010(01)
[9]基于小波變換和形態(tài)學(xué)的織物疵點(diǎn)邊緣檢測(cè)[J]. 胡艷,張瑞林.  測(cè)試技術(shù)學(xué)報(bào). 2009(02)
[10]基于小波熵的織物疵點(diǎn)檢測(cè)方法[J]. 劉素一,劉晶璟,鄒崇濤.  棉紡織技術(shù). 2008(10)

碩士論文
[1]基于遺傳規(guī)劃的織物自適應(yīng)正交小波基的構(gòu)造和優(yōu)化[D]. 牛存才.東華大學(xué) 2012
[2]廣義Daubechies小波的理論和濾波器的構(gòu)造[D]. 盧瑞曉.西安電子科技大學(xué) 2009
[3]基于自適應(yīng)小波的織物疵點(diǎn)自動(dòng)分割研究[D]. 龍世忠.西安工程大學(xué) 2008
[4]基于信號(hào)的小波濾波器的構(gòu)造方法[D]. 宋繼洲.內(nèi)蒙古大學(xué) 2006



本文編號(hào)：2956544