自适应双边滤波阈值分割算法在织物疵点检测中的应用研究

发布时间：2021-11-06 08:44

　　为了更好地分割织物疵点图像,提高织物疵点判别准确率,主要通过三个方面进行了织物疵点的相关研究。第一方面提出一种基于稳定均差准则（SMDC）的自适应双边滤波算法,主要对于传统双边滤波中需要根据经验人为调整参数的弊端进行改进,算法主要利用SMDC来达到双边滤波中主要参数的自适应调整,针对每一幅织物疵点图像都有适合的参数与之对应。实验结果表明,双边滤波算法在自动调节参数过程中,均差趋于稳定,SSIM达到适应值,织物疵点图像分割结果清晰。第二方面提出了一种改进的Otsu分割算法,主要对于传统的Otsu分割算法对于双峰类型图像有良好的分割效果,但是对于单峰类型的织物疵点图像无能为力的问题进行相关改进。算法主要通过计算分割后的疵点图像与原疵点图像之间的相似度对阈值进行调整,加强Otsu分割算法对于单峰类型图像的自适应能力。实验结果表明,改进的Otsu分割算法不仅可以实现对织物疵点图像直方图呈单峰时的较好分割效果,并且还在一定程度上保留了对织物疵点图像直方图呈双峰时的良好分割效果,符合实验预期效果。第三方面主要研究了神经网络技术在织物疵点检测识别方面的应用。主要采用神经网络模型densenet169... 

【文章来源】：天津工业大学天津市

【文章页数】：56 页

【学位级别】：硕士

【部分图文】：

织物疵点类型

天津工业大学硕士学位论文62.2.1图像尺寸大小规范在经典图像处理方法过程中，因数据库中织物疵点图像的疵点部分较小难以分割，需要对采集的织物疵点图像针对疵点区域进行截取，截取尺寸大小为256×256像素，如图2-2所示。（a）截取图像1（b）截取图像2（c）截取图像3（d）截取图像4（e）截取图像5图2-2截取的织物疵点图像当我们对织物疵点图像进行截取之后，疵点较为明显，数据较为整齐，便于后续实验的进行。2.2.2织物疵点图像灰度化因不同织物具有不同的色彩纹理，因此采集到的织物疵点图像色彩不一，而灰度图像可以用较少的数据信息来表示彩色图像的大部分特征，在模式识别、图像分割和打印等领域都扮演着重要的角色[19]。为了便于后续实验对织物疵点图像进行分割，需要对截取好尺寸的织物疵点图像进行灰度化处理。织物疵点图像的灰度化处理主要是将一副三维的彩色织物疵点图像转换为一维的灰度织物疵点图像。彩色图像在日常生活中随处可见，彩色图像之所以色彩斑斓主要是因为在图像当中有三个分量分别控制了红、蓝、绿三种颜色在图像当中的所占比例，当这三个比例有所偏差时，那么这幅图像在色彩显示上就会有所不同，因此如果要将彩色图像处理为灰度图像，只需要将这三个分量进行相关调整，历史研究表明，当这三个分量分别相等时，彩色图像呈灰度。在本实验中，对于织物疵点图像的灰度化处理主要使用了OpenCV中的cvtColor函数。通过对该函数的调用，可以直接将一副彩色的织物疵点图像转换为灰度图像，简单高效。图2-3是实验中所用到的一些彩色的织物疵点图像。

第二章理论分析7（a）彩色图像（b）彩色图像2（c）彩色图像3（d）彩色图像4（e）彩色图像5（f）彩色图像6（g）彩色图像7（h）彩色图像8（i）彩色图像9（j）彩色图像10（k）彩色图像11（l）彩色图像12（m）彩色图像13（n）彩色图像14（o）彩色图像15图2-3彩色织物疵点图像灰度化处理之后的灰度织物疵点图像，如图2-4。（a）灰度图像1（b）灰度图像2（c）灰度图像3（d）灰度图像4（e）灰度图像5（f）灰度图像6（g）灰度图像7（h）灰度图像8（i）灰度图像9（j）灰度图像10（k）灰度图像11（l）灰度图像12（m）灰度图像13（n）灰度图像14（o）灰度图像15图2-4灰度织物疵点图像2.2.3直方图均衡图像亮度由于在采集过程中受到光线不均等因素影响，采集到的织物疵点图像容易存在亮度不均衡问题，图像整体过亮或者过暗，从而影响织物疵点图像疵点的分割，因此采用直方图均衡化，对灰度化之后的织物疵点图像进行亮度均衡，避免因亮

【参考文献】：
期刊论文
[1]基于改进自适应权重的三边滤波立体匹配算法[J]. 潘卫华,杜旭.  计算机工程与应用. 2020(18)
[2]基于并联卷积神经网络的SAR图像目标识别[J]. 李清,魏雪云.  电波科学学报. 2020(03)
[3]基于深度学习的语义分割算法综述[J]. 赵霞,白雨,倪颖婷,陈萌,郭松,杨明川,陈凤.  上海航天. 2019(05)
[4]基于改进DenseNet网络的乳腺癌自动诊断[J]. 刘巧利,闫航,贺鹏飞,杨信志,李彦杰.  计算机与数字工程. 2019(10)
[5]深度卷积神经网络的判别性人脸识别算法[J]. 任克强,胡慧.  华中科技大学学报(自然科学版). 2019(10)
[6]基于卷积神经网络的图像识别过拟合问题分析与研究[J]. 谢璐阳,夏兆君,朱少华,张代庆,赵奉奎.  软件工程. 2019(10)
[7]基于OpenCV的图像处理技术在国画中的应用[J]. 张瑞,焦晓琼.  自动化与仪器仪表. 2019(09)
[8]图像识别技术在纺织品及服装研究中的应用[J]. 刘咏梅,洪雯婷,童卫青.  浙江纺织服装职业技术学院学报. 2019(04)
[9]基于深度学习的图像检索研究[J]. 杨馥溢,何嘉.  计算机与数字工程. 2019(09)
[10]深层卷积神经网络的目标检测算法综述[J]. 张泽苗,霍欢,赵逢禹.  小型微型计算机系统. 2019(09)

硕士论文
[1]基于卷积神经网络的织物图像缺陷检测定位算法研究[D]. 刘闪亮.中原工学院 2019
[2]基于自适应线性加权的彩色图像灰度化算法研究[D]. 李晓芳.兰州大学 2019
[3]基于DenseNet的医学图像分割研究与应用[D]. 唐明轩.成都信息工程大学 2018
[4]基于频率调谐显著和多尺度线性滤波的疵点分割方法研究[D]. 徐启永.武汉纺织大学 2018
[5]基于非线性高斯滤波器的量测滞后信息处理方法研究[D]. 苏安东.北京化工大学 2017



本文编号：3479525