基于图像处理的原棉杂质检测方法研究
发布时间：2022-01-26 10:19
原棉中杂质的存在会严重影响棉制品的外观和质量,因此对原棉中含有的杂质进行检测和识别是十分重要的,这是进行杂质去除的前提。原棉中的杂质具有含量较少,但是其种类多而杂的特点,因此检测起来具有一定的难度。目前,通过图像处理和机器视觉方式结合进行自动检测的研究已经成为当下的热点。本文以原棉杂质图像为研究对象,通过相关算法的设计和实验,提出了一种原棉杂质检测和识别的算法。首先,为了在灰度化转换过程中减少原图像的信息丢失,为后续处理过程保留更多的图像细节,在全局映射算法的基础上提出了一种能根据图像自身属性自适应分配R、G、B三个分量权重比例的灰度化算法,与传统加权平均值算法相比,灰度化处理后能够平均多保留5.5%的图像信息;接着进行同态滤波处理调整光照不匀、分段线性变换增强处理和中值滤波去噪处理,来改善图像质量并减少外部因素对图像产生的不良影响。然后,针对传统Canny算法阈值选取过程复杂、繁琐的难题,在阈值选择部分通过引入最大类间方差的思想对其进行局部改良,改进后的算法不仅能够根据不同图像自身特点自适应的生成相关阈值,同时高、低阈值之间不再是简单、固定的倍数关系,改进后算法具有较好的分割效果。本...
【文章来源】：武汉纺织大学湖北省
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
采集的含有杂质的部分原棉图片
武汉纺织大学硕士学位论文10r=∑×(,)(=1,2,3)3=1式（2.1）式中：x和y表示图像中的像素点位置的横、纵坐标，n表示R、G、B三个颜色通道，r表示该像素点灰度化处理后的灰度值大小，表示该像素点R、G、B三个分量的取值向量，则表示R、G、B三个分量的权重系数向量。为了让灰度化处理过程中R、G、B三个分量的权重系统能够根据原始图像色彩特点而自适应的进行分配，本课题的设计思路是让灰度化过程中三个分量的权重系数正比于原始图像中三个分量所占的比例大校这样能够在灰度化处理增加算法效率的同时尽可能多的保留住原图像中的信息。假设原始彩色图像的大小为M×N，则可以将R、G、B三个分量的均值向量的计算公式表达为：=∑∑(,)=1=1式（2.2）为了进一步简化后续的计算过程，对权重系数进行归一化处理，处理后的计算公式表达为：=1+2+3式（2.3）将的值作为新的权重系数代入式2.1中可以得到新的灰度值R的计算公式，其表达为式2.4：R=∑∑∑(,)=1=13=1(1+2+3)×式（2.4）（a）原图（b）加权平均值法（c）本文的灰度化算法图2.2灰度化处理效果图(a)Originalimage(b)weightedaveragemethod(c)grayscalealgorithminthispaperFig.2.2Grayscaleprocessingeffectpicture
之一[36]，直方图均衡化算法就是在图像的灰度直方图分布规律基础上来进行操作处理。直方图均衡化算法是在图像处理过程中经常使用的一种简单、实用的增强算法，主要是用来增加图像的整体的对比度。其基本原理是通过处理增加原图像灰度值的动态范围，经过处理后的灰度值概率密度能够较均匀的分布，以达到增强效果。通过其操作步骤可以看出直方图均衡化是一个对图像整体的操作，因此很难把握和控制其具体的增强效果，无法对特定区域进行增强处理。同时，处理后的图像灰度级会减少，所以可能存在某些图像细节丢失的现象。图2.4直方图均衡化处理效果图Fig.2.4Histogramequalizationprocessingeffectchart将经过前期处理的原棉杂质图片进行均衡化处理，观察其处理效果，发现处理效果并不能完全满足使用的要求，某些区域被过分增强，而有些区域则丢失了杂质细节。如
【参考文献】：
期刊论文
[1]一种改进型Canny算子边缘检测算法[J]. 朱秋林,石银涛,李靖. 地理空间信息. 2020(01)
[2]基于HSV模型与改进的OTSU算法花椒图像分割[J]. 齐锐丽,陈曼龙,杨宗浩,丁敏. 中国农机化学报. 2019(11)
[3]棉花异性纤维智能检测系统[J]. 张栋,李英舒,刘宁欣,季霆,华亮. 电子设计工程. 2018(20)
[4]基于图像去噪方法的研究[J]. 陈彦. 数字技术与应用. 2017(05)
[5]一种改进GA神经网络棉花杂质检测算法[J]. 张志强,张太红,刁琦,董峦. 电子设计工程. 2017(01)
[6]基于颜色和形状特征的机采棉杂质识别方法[J]. 张成梁,李蕾,董全成,葛荣雨. 农业机械学报. 2016(07)
[7]基于线结构激光原棉棉结快速检测技术研究[J]. 余涛,张志峰,乔林,翟玉生,苏玉玲,刘海增,李世海. 激光杂志. 2015(07)
[8]基于光电技术皮棉疵点快速检测方法的研究[J]. 张志峰,翟玉生,郭莹莹,王新杰,杜银霄. 激光与光电子学进展. 2015(03)
[9]基于颜色、形状和纹理的多特征融合图像检索[J]. 李薇,李秉茂. 航空计算技术. 2013(06)
[10]基于小波变换的棉花异纤检测算法研究[J]. 张南宾,刘小平. 计算机仿真. 2012(04)
博士论文
[1]基于高光谱成像技术的棉花杂质检测方法的研究[D]. 郭俊先.浙江大学 2011
硕士论文
[1]棉花中异性纤维含量检测关键技术研究[D]. 杨程午.天津工业大学 2018
[2]基于RGB颜色空间的彩色图像灰度化算法研究[D]. 郭丽.陕西师范大学 2017
[3]基于多模式分类算法的棉花异性纤维自动检测系统的设计与实现[D]. 郑鹏.河南科技大学 2017
[4]棉花异性纤维特征提取与计量方法的研究[D]. 王蕊.山东农业大学 2013
[5]基于动态棉流的棉花异性纤维目标特征选择方法研究[D]. 李恒斌.山东农业大学 2012
[6]基于DSP+FPGA的棉花异性纤维检测系统的研究[D]. 彭红涛.中原工学院 2012
[7]基于CCD探测技术的棉花“三丝”自动剔除系统研究[D]. 汤先福.浙江理工大学 2011
[8]基于数字图像处理的棉花异纤检测研究[D]. 林宁.南京理工大学 2010
本文编号：3610319
【文章来源】：武汉纺织大学湖北省
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
采集的含有杂质的部分原棉图片
武汉纺织大学硕士学位论文10r=∑×(,)(=1,2,3)3=1式（2.1）式中：x和y表示图像中的像素点位置的横、纵坐标，n表示R、G、B三个颜色通道，r表示该像素点灰度化处理后的灰度值大小，表示该像素点R、G、B三个分量的取值向量，则表示R、G、B三个分量的权重系数向量。为了让灰度化处理过程中R、G、B三个分量的权重系统能够根据原始图像色彩特点而自适应的进行分配，本课题的设计思路是让灰度化过程中三个分量的权重系数正比于原始图像中三个分量所占的比例大校这样能够在灰度化处理增加算法效率的同时尽可能多的保留住原图像中的信息。假设原始彩色图像的大小为M×N，则可以将R、G、B三个分量的均值向量的计算公式表达为：=∑∑(,)=1=1式（2.2）为了进一步简化后续的计算过程，对权重系数进行归一化处理，处理后的计算公式表达为：=1+2+3式（2.3）将的值作为新的权重系数代入式2.1中可以得到新的灰度值R的计算公式，其表达为式2.4：R=∑∑∑(,)=1=13=1(1+2+3)×式（2.4）（a）原图（b）加权平均值法（c）本文的灰度化算法图2.2灰度化处理效果图(a)Originalimage(b)weightedaveragemethod(c)grayscalealgorithminthispaperFig.2.2Grayscaleprocessingeffectpicture
之一[36]，直方图均衡化算法就是在图像的灰度直方图分布规律基础上来进行操作处理。直方图均衡化算法是在图像处理过程中经常使用的一种简单、实用的增强算法，主要是用来增加图像的整体的对比度。其基本原理是通过处理增加原图像灰度值的动态范围，经过处理后的灰度值概率密度能够较均匀的分布，以达到增强效果。通过其操作步骤可以看出直方图均衡化是一个对图像整体的操作，因此很难把握和控制其具体的增强效果，无法对特定区域进行增强处理。同时，处理后的图像灰度级会减少，所以可能存在某些图像细节丢失的现象。图2.4直方图均衡化处理效果图Fig.2.4Histogramequalizationprocessingeffectchart将经过前期处理的原棉杂质图片进行均衡化处理，观察其处理效果，发现处理效果并不能完全满足使用的要求，某些区域被过分增强，而有些区域则丢失了杂质细节。如
【参考文献】：
期刊论文
[1]一种改进型Canny算子边缘检测算法[J]. 朱秋林,石银涛,李靖. 地理空间信息. 2020(01)
[2]基于HSV模型与改进的OTSU算法花椒图像分割[J]. 齐锐丽,陈曼龙,杨宗浩,丁敏. 中国农机化学报. 2019(11)
[3]棉花异性纤维智能检测系统[J]. 张栋,李英舒,刘宁欣,季霆,华亮. 电子设计工程. 2018(20)
[4]基于图像去噪方法的研究[J]. 陈彦. 数字技术与应用. 2017(05)
[5]一种改进GA神经网络棉花杂质检测算法[J]. 张志强,张太红,刁琦,董峦. 电子设计工程. 2017(01)
[6]基于颜色和形状特征的机采棉杂质识别方法[J]. 张成梁,李蕾,董全成,葛荣雨. 农业机械学报. 2016(07)
[7]基于线结构激光原棉棉结快速检测技术研究[J]. 余涛,张志峰,乔林,翟玉生,苏玉玲,刘海增,李世海. 激光杂志. 2015(07)
[8]基于光电技术皮棉疵点快速检测方法的研究[J]. 张志峰,翟玉生,郭莹莹,王新杰,杜银霄. 激光与光电子学进展. 2015(03)
[9]基于颜色、形状和纹理的多特征融合图像检索[J]. 李薇,李秉茂. 航空计算技术. 2013(06)
[10]基于小波变换的棉花异纤检测算法研究[J]. 张南宾,刘小平. 计算机仿真. 2012(04)
博士论文
[1]基于高光谱成像技术的棉花杂质检测方法的研究[D]. 郭俊先.浙江大学 2011
硕士论文
[1]棉花中异性纤维含量检测关键技术研究[D]. 杨程午.天津工业大学 2018
[2]基于RGB颜色空间的彩色图像灰度化算法研究[D]. 郭丽.陕西师范大学 2017
[3]基于多模式分类算法的棉花异性纤维自动检测系统的设计与实现[D]. 郑鹏.河南科技大学 2017
[4]棉花异性纤维特征提取与计量方法的研究[D]. 王蕊.山东农业大学 2013
[5]基于动态棉流的棉花异性纤维目标特征选择方法研究[D]. 李恒斌.山东农业大学 2012
[6]基于DSP+FPGA的棉花异性纤维检测系统的研究[D]. 彭红涛.中原工学院 2012
[7]基于CCD探测技术的棉花“三丝”自动剔除系统研究[D]. 汤先福.浙江理工大学 2011
[8]基于数字图像处理的棉花异纤检测研究[D]. 林宁.南京理工大学 2010
本文编号：3610319
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3610319.html
最近更新
教材专著
