基于计算机视觉的纸张性能的研究

发布时间：2017-09-03 06:09

  本文关键词：基于计算机视觉的纸张性能的研究

  更多相关文章： 纸病 纹理特征 模式识别 回归分析

【摘要】：纸张在生活中随处可见,随着人们生活水平的提高,对纸张质量的要求也在不断地提高,纸张的质量包括纸张的外观特性和纸张的力学性能,传统纸张外观质量好坏的检测主要靠人眼观察,而纸张力学性能的检测主要依靠人工借助各类仪器实现。为了实现纸张性能检测自动化的目的,本文以纸张图像为研究对象采用计算机视觉技术的方法完成了纸病和纸张力学性能检测等方面的研究。首先通过图像分割,边缘检测,及霍夫变换的方法实现了对黑斑,亮斑,褶皱等纸病的检测,为后续纸张力学性能的检测打下基础。其次利用局部二值化模式和灰度梯度共生矩阵提取纸张图像的纹理特征,并将对应纸张的力学性能等级作为分类标签,利用BP神经网络和支持向量机完成了纸张实现了纸张力学性能的分类,分类准确率可达95%以上,说明纸张的外观特性与纸张的力学性能之间存在关联关系。最后,通过对纸张抗张指数、耐破指数、耐折度和撕裂指数等纸张力学性能与纸张外观特性之间的关系进行多元回归分析,得到了纸张力学性能与纸张外观特性之间的回归模型,通过测试,模型的平均相对误差维持在10%以内,证明了模型的准确性。本文用计算机视觉的方法对纸张性能进行研究,为纸张力学性能的自动化无损检测提供了一种新思路。
【关键词】：纸病 纹理特征 模式识别 回归分析
【学位授予单位】：北京林业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要3-4
• ABSTRACT4-8
• 1. 绪论8-14
• 1.1. 课题研究背景8-9
• 1.1.1. 纸病检测概况8
• 1.1.2. 纸张力学性能的检测概况8-9
• 1.2. 研究目的及意义9-10
• 1.3. 计算机视觉技术10-11
• 1.3.1. 计算机视觉的特点及应用10
• 1.3.2. 计算机视觉的构成及原理10-11
• 1.4. 计算机视觉用于纸张检测的国内外研究现状11-12
• 1.5. 论文主要研究内容及结构12-13
• 1.5.1. 主要研究内容12-13
• 1.5.2. 论文的组织结构13
• 1.6. 本章小结13-14
• 2. 简单外观纸病的检测14-26
• 2.1. 纸张图像采集系统14
• 2.2. 简单外观纸病14-15
• 2.3. 纸张图像的预处理15-16
• 2.4. 图像分割16-19
• 2.4.1. Otsu阈值选择方法16-17
• 2.4.2. 迭代阈值法17-18
• 2.4.3. 人工手动阈值法18-19
• 2.5. 黑斑亮斑的检测19-22
• 2.6. 褶皱检测22-23
• 2.7. 实验结果23-25
• 2.8. 本章小结25-26
• 3. 纸张图像的特征提取26-43
• 3.1. 纸张图像分析26-27
• 3.2. 纹理特征27-28
• 3.3. 局部二值模式(LBP)28-35
• 3.3.1. 基本的LBP28-30
• 3.3.2. 通用LBP的推导30-32
• 3.3.3. 等价模式32-33
• 3.3.4. 旋转不变的LBP算子33-34
• 3.3.5. 旋转不变等价LBP34-35
• 3.4. 灰度梯度共生矩阵35-38
• 3.4.1. 灰度、梯度归一化36-37
• 3.4.2. 灰度梯度共生矩阵纹理参数的计算37-38
• 3.5. 纸张图像纹理特征的提取38-42
• 3.6. 本章小结42-43
• 4. 纸张力学性能的研究43-77
• 4.1. BP神经网络43-50
• 4.1.1. BP算法的推导45-48
• 4.1.2. BP算法的步骤48-50
• 4.2. BP神经网络应用于纸张力学性能分类50-53
• 4.3. 支持向量机53-60
• 4.3.1. 最优分类超平面54-56
• 4.3.2. 线性SVM56-57
• 4.3.3. 非线性SVM57-60
• 4.4. 支持向量机在纸张力学性能分类中的应用60-62
• 4.5. 回归分析62-65
• 4.5.1. 多元回归分析62-63
• 4.5.2. 多元线性回归分析63-64
• 4.5.3. 回归参数的最小二乘估计64-65
• 4.6. 主成分分析65-67
• 4.6.1. 基本原理66
• 4.6.2. 主成分分析的步骤66-67
• 4.7. 纸张力学性能的回归分析67-76
• 4.7.1. 抗张性能回归分析67-69
• 4.7.2. 耐破指数回归分析69-71
• 4.7.3. 耐折度回归分析71-73
• 4.7.4. 撕裂指数回归分析73-75
• 4.7.5. 纸张力学性能回归分析结论75-76
• 4.8. 本章小结76-77
• 5. 结论与展望77-79
• 5.1. 总结77-78
• 5.2. 展望78-79
• 参考文献79-84
• 个人简介84-86
• 导师简介86-88
• 获得成果目录清单88-90
• 致谢90-92
• 附录92-114

【相似文献】

中国期刊全文数据库 前10条

1 高美真;姜晓峰;;人类视觉与计算机视觉的比较[J];焦作师范高等专科学校学报;2007年01期

2 徐光yP;;以人为中心的计算机视觉应用[J];中国图象图形学报;2009年02期

3 韩红;焦李成;;谈计算机视觉课程的教学创新[J];计算机教育;2010年19期

4 王振华;胡占义;;2011国际计算机视觉大会简介[J];计算机辅助设计与图形学学报;2012年02期

5 刘兵;;关于计算机视觉成像的研究分析[J];煤炭技术;2013年06期

6 顾伟康;计算机视觉学的发展概况[J];浙江大学学报;1986年04期

7 蔡愉祖;计算机视觉概述[J];系统工程与电子技术;1986年01期

8 战德臣;陈景春;李仲荣;;计算机视觉研究的一种分布式专家系统模型[J];航天控制;1989年02期

9 赵荣椿;计算机视觉——未来测控技术中的重要角色[J];测控技术;1992年01期

10 周国清,唐晓芳;计算机视觉及其应用[J];中国计算机用户;1996年08期

中国重要会议论文全文数据库 前10条

1 宋小华;欧阳丹彤;;时空推理在计算机视觉的应用[A];2006年全国理论计算机科学学术年会论文集[C];2006年

2 谢丽欣;牟会;王欢;刘明霞;;基于计算机视觉的人脸检测与识别综述[A];第三届全国软件测试会议与移动计算、栅格、智能化高级论坛论文集[C];2009年

3 陈强;孙振国;;计算机视觉在焊接中的应用[A];第十次全国焊接会议论文集（第1册）[C];2001年

4 田涌涛;洪锡军;王有庆;李从心;;计算机视觉在先进制造技术中的应用[A];面向制造业的自动化与信息化技术创新设计的基础技术——2001年中国机械工程学会年会暨第九届全国特种加工学术年会论文集[C];2001年

5 刘敏娟;洪添胜;李震;吴伟斌;刘志壮;;基于计算机视觉的荔枝检测与分级方法[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会（CSAE 2009）论文集[C];2009年

6 孙洁琼;孙明;;基于计算机视觉的水果外观品质检测分级研究现状[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年

7 王划一;王效良;;计算机视觉在绗缝机自动编程及控制中的应用[A];第二十届中国控制会议论文集（下）[C];2001年

8 周红;刘光蓉;;计算机视觉及其在谷物籽粒检测分级中的应用[A];中国粮油学会第三届学术年会论文选集（下册）[C];2004年

9 吴彦红;刘木华;杨君;郑华东;;大米外观品质的计算机视觉在线检测技术研究[A];农业机械化与新农村建设——中国农业机械学会2006年学术年会论文集（下册）[C];2006年

10 张庆敏;于龙;;计算机视觉在接触网定位器坡度识别中的应用[A];高速铁路接触网零部件安全可靠性技术论文集[C];2013年

中国重要报纸全文数据库 前9条

1 记者 李大庆;我在国际计算机视觉算法竞赛中摘金[N];科技日报;2011年

2 滕继濮;不放过一个“坏蛋”[N];粮油市场报;2011年

3 ;生活中的计算机视觉[N];中国计算机报;2006年

4 王悦承;逾30篇中国论文入选ICCV[N];中国计算机报;2005年

5 本报记者 滕继濮;无损检测技术：不放过一个“坏蛋”[N];科技日报;2011年

6 本报记者 薛娟;未来搜索：没有搜索的搜索[N];中国经济时报;2010年

7 记者 杨杰 实习记者 李乐;农机领域喜获四项大奖[N];中国农机化导报;2009年

8 张明平　记者 赵凤华;苹果的气味“看”出来[N];科技日报;2009年

9 记者 常丽君;新软件能“预测”你各年龄段长相[N];科技日报;2014年

中国博士学位论文全文数据库 前10条

1 王强;基于几何代数的计算机视觉问题研究[D];国防科学技术大学;2013年

2 王任大;基于计算机视觉的手势交互技术及其在航海中的应用[D];大连海事大学;2014年

3 贺文骅;基于计算机视觉的复杂场景下目标跟踪研究[D];西安电子科技大学;2015年

4 潘磊庆;基于计算机视觉和声学技术融合检测鸡蛋品质的研究[D];南京农业大学;2007年

5 孔明;颗粒粒径和形态计算机视觉测量方法研究[D];东南大学;2005年

6 刘钊;基于计算智能的计算机视觉及其应用研究[D];武汉科技大学;2011年

7 李庆中;苹果自动分级中计算机视觉信息快速获取与处理技术的研究[D];中国农业大学;2000年

8 谢存;计算机视觉中若干问题实现技术和算法的研究[D];大连理工大学;2002年

9 赵书涛;基于计算机视觉的直读仪表校验方法研究[D];华北电力大学（河北）;2006年

10 柴阿丽;基于计算机视觉和光谱分析技术的蔬菜叶部病害诊断研究[D];中国农业科学院;2011年

中国硕士学位论文全文数据库 前10条

1 王福香;基于计算机视觉的马铃薯外部缺陷检测方法研究[D];内蒙古农业大学;2015年

2 余饶东;基于脑波与计算机视觉的注意力检测技术在E-Learning中的应用研究[D];昆明理工大学;2015年

3 李想;基于计算机视觉的花卉分级系统研究[D];天津理工大学;2015年

4 吴林林;基于计算机视觉的皮革测配色研究[D];陕西科技大学;2015年

5 龙怡霖;基于计算机视觉的杂草种子鉴别[D];西北农林科技大学;2015年

6 谢艳鹏;面向细胞行为辨识的计算机视觉研究与应用[D];沈阳理工大学;2015年

7 丁侨俊;基于计算机视觉的智能停车场引导系统研究[D];福建师范大学;2015年

8 王鹏博;多态并行机上的OpenVX系统实现[D];西安邮电大学;2015年

9 周志强;基于计算机视觉的指针式电表校验的关键技术研究[D];南昌大学;2015年

10 陈玉洁;基于计算机视觉的外膜厚度测量方法的研究[D];南昌航空大学;2015年

，

本文编号：783287