基于图像分析的织物外观平整度机器评价方法研究
发布时间：2023-03-18 14:25
织物经洗涤后的外观平整度是织物抗皱性的重要表征指标,而抗皱性是织物保形性的主要决定因素之一,是纺织品生产、贸易、服用中的重要性能评价指标。目前,纺织行业内对织物外观平整度的评价方法仍以人工主观评价法为主。然而这种依赖于人类视觉的评价法具有准确性低、稳定性差、客观性弱、耗时费力、不可复现等缺点。为此,构建可改善上述缺点的客观评价方法成为当下的研究热点。现有研究中所提出的方法主要采用计算机视觉技术,实现织物外观平整度的机器评价。从织物外观数据的形式可分为以下两类:基于二维数字图像的二维方法及基于三维深度图的三维方法。其中,二维方法易受到织物颜色纹理以及图像采集环境的干扰,而三维方法具有效率低及标定复杂度高等缺点。综合分析现有方法的优劣,本文提出在现有二维方法的基础上,通过图像采集系统的优化及计算机视觉算法的优化来提升其评价水平,主要工作如下:(1)构建一套织物图像采集系统,并优选图像采集环境参数,以解决二维方法的环境依赖性问题。优选的环境参数包括光源光照的方位角、高度角及亮度。在不同的参数组合下,本文对385块平整度级别各异的织物试样进行图像采集,并提取8组图像特征。通过分析不同环境下各组...
【文章页数】：113 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景及意义
1.2 织物外观平整度客观评价研究现状
1.2.1 织物外观数据获取
1.2.2 平整度特征指标提取
1.2.3 平整度评价模型建立
1.3 本文研究工作
1.3.1 研究思路
1.3.2 研究目标
1.3.3 研究内容
第二章 织物外观图像采集系统构建及优化
2.1 织物外观图像采集系统搭建
2.1.1 系统整体设计
2.1.2 织物外观图像采集实施细节
2.1.3 织物外观图像采集效果
2.2 织物样本图像数据集构建
2.3 织物外观图像采集系统优化
2.3.1 图像特征集
2.3.2 分类模型
2.3.3 系统参数优化
2.4 本章小结
第三章 织物图像光照纹理及颜色纹理去除
3.1 无颜色纹理织物图像光照纹理去除
3.1.1 光度学表面反射模型
3.1.2 织物表面反射模型
3.1.3 视觉模式分解
3.2 颜色纹理织物图像颜色纹理去除
3.2.1 图像翻译模型
3.2.2 织物颜色纹理着色模型
3.3 实验结果与讨论
3.3.1 织物图像数据集
3.3.2 评价指标
3.3.3 生成织物图像测试结果
3.3.4 真实织物图像测试结果
3.3.5 与三维成像法的对比
3.4 本章小结
第四章 织物图像低阶视觉特征提取
4.1 HVS建模基础概述
4.2 HVS建模及低阶特征提取
4.2.1 高斯尺度空间
4.2.2 多尺度视觉掩蔽建模
4.2.3 多尺度视觉掩蔽特征
4.3 实验结果及讨论
4.3.1 实验实施细节
4.3.2 特征有效性验证
4.3.3 模型参数讨论
4.4 本章小结
第五章 织物图像高阶视觉特征提取
5.1 卷积神经网络概述
5.1.1 人工神经网络
5.1.2 卷积神经网络
5.2 基于紧凑卷积神经网络的高阶视觉特征提取
5.2.1 模型结构
5.2.2 目标函数
5.3 实验结果及讨论
5.3.1 实验实施细节
5.3.2 特征有效性验证
5.3.3 模型结构讨论
5.4 本章小结
第六章 基于多阶层视觉特征的织物外观平整度客观评价
6.1 基于多阶层视觉特征的织物外观平整度评价模型
6.1.1 多阶视觉特征融合模块
6.1.2 模型训练策略
6.2 实验结果及讨论
6.2.1 实验实施细节
6.2.2 模型综合性能验证
6.2.3 模型结构讨论
6.2.4 模型适应性验证
6.3 织物外观平整度评价系统构建
6.3.1 系统需求
6.3.2 系统架构设计
6.3.3 系统运作流程
6.3.4 系统软硬件构成
6.4 本章小结
第七章 结论与展望
7.1 主要结论
7.2 创新点
7.3 研究工作不足与展望
致谢
参考文献
附录 :作者在攻读博士学位期间的科研成果
本文编号：3763302
【文章页数】：113 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景及意义
1.2 织物外观平整度客观评价研究现状
1.2.1 织物外观数据获取
1.2.2 平整度特征指标提取
1.2.3 平整度评价模型建立
1.3 本文研究工作
1.3.1 研究思路
1.3.2 研究目标
1.3.3 研究内容
第二章 织物外观图像采集系统构建及优化
2.1 织物外观图像采集系统搭建
2.1.1 系统整体设计
2.1.2 织物外观图像采集实施细节
2.1.3 织物外观图像采集效果
2.2 织物样本图像数据集构建
2.3 织物外观图像采集系统优化
2.3.1 图像特征集
2.3.2 分类模型
2.3.3 系统参数优化
2.4 本章小结
第三章 织物图像光照纹理及颜色纹理去除
3.1 无颜色纹理织物图像光照纹理去除
3.1.1 光度学表面反射模型
3.1.2 织物表面反射模型
3.1.3 视觉模式分解
3.2 颜色纹理织物图像颜色纹理去除
3.2.1 图像翻译模型
3.2.2 织物颜色纹理着色模型
3.3 实验结果与讨论
3.3.1 织物图像数据集
3.3.2 评价指标
3.3.3 生成织物图像测试结果
3.3.4 真实织物图像测试结果
3.3.5 与三维成像法的对比
3.4 本章小结
第四章 织物图像低阶视觉特征提取
4.1 HVS建模基础概述
4.2 HVS建模及低阶特征提取
4.2.1 高斯尺度空间
4.2.2 多尺度视觉掩蔽建模
4.2.3 多尺度视觉掩蔽特征
4.3 实验结果及讨论
4.3.1 实验实施细节
4.3.2 特征有效性验证
4.3.3 模型参数讨论
4.4 本章小结
第五章 织物图像高阶视觉特征提取
5.1 卷积神经网络概述
5.1.1 人工神经网络
5.1.2 卷积神经网络
5.2 基于紧凑卷积神经网络的高阶视觉特征提取
5.2.1 模型结构
5.2.2 目标函数
5.3 实验结果及讨论
5.3.1 实验实施细节
5.3.2 特征有效性验证
5.3.3 模型结构讨论
5.4 本章小结
第六章 基于多阶层视觉特征的织物外观平整度客观评价
6.1 基于多阶层视觉特征的织物外观平整度评价模型
6.1.1 多阶视觉特征融合模块
6.1.2 模型训练策略
6.2 实验结果及讨论
6.2.1 实验实施细节
6.2.2 模型综合性能验证
6.2.3 模型结构讨论
6.2.4 模型适应性验证
6.3 织物外观平整度评价系统构建
6.3.1 系统需求
6.3.2 系统架构设计
6.3.3 系统运作流程
6.3.4 系统软硬件构成
6.4 本章小结
第七章 结论与展望
7.1 主要结论
7.2 创新点
7.3 研究工作不足与展望
致谢
参考文献
附录 :作者在攻读博士学位期间的科研成果
本文编号：3763302
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3763302.html
最近更新
教材专著
