融合信息熵的纺织品疵点显著性检测方法研究

发布时间：2023-04-27 05:14

　　织物疵点检测是纺织品生产过程中的重要环节,人工检测存在诸多弊端,难以满足生产需求。随着机器视觉与图像处理技术的发展,织物疵点自动检测系统开始代替人工检测,但许多织物疵点检测方法对不同的背景纹理图案和疵点类型适应性较低,为此本课题利用信息熵对纹理特征表示,并利用人类视觉注意机制能够对感兴趣区域快速准确定位的特点完成织物疵点的定位与提取。首先,利用信息熵描述织物图像的纹理。无疵点区域的纹理表现出周期性与确定性,当织物出现疵点时,疵点区域的纹理则表现出随机性。图像的一维熵是纹理不确定性和随机性的测度,在一维熵的基础上引入能够反映纹理空间分布特性的二维熵,用于区分无疵点区域和疵点区域的纹理差异。然后,仿照人类视觉系统对显著性特征的注意机制,利用四元数对织物图像重新表示。由于RGB颜色空间的表示方法不适于人眼观察机制,在经典的视觉注意模型中则采用对立色彩空间对图像进行表示。本文根据织物图像特点,将描述纹理的二维熵结合对立色彩空间中的显著性特征组成四个通道,并且利用四元数可以对多通道图像整体表示的优点,提出了一种改进的四元数图像表示方法,充分提取了织物图像的纹理信息与显著性特征。最后,采用超复数傅...

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 课题研究背景与意义
    1.2 织物疵点检测的研究现状
        1.2.1 织物疵点检测系统研究现状
        1.2.2 织物疵点检测方法研究现状
    1.3 本文主要研究内容和章节安排
        1.3.1 主要研究内容
        1.3.2 章节安排
第二章 视觉显著性理论
    2.1 引言
    2.2 视觉显著性的生物学基础
        2.2.1 视觉显著性的神经学机制
        2.2.2 视觉显著性的心理学机制
    2.3 视觉显著性的研究现状
        2.3.1 基于空域的研究模型
        2.3.2 基于频域的研究模型
    2.4 视觉显著性对疵点检测的研究意义
    2.5 本章小结
第三章 融合信息熵的超复数变换模型
    3.1 引言
    3.2 图像纹理特征的描述
        3.2.1 图像的纹理特征
        3.2.2 纹理特征的描述方法
    3.3 信息熵计算方法
        3.3.1 信息熵理论基础
        3.3.2 图像熵及计算方法
        3.3.3 图像的二维熵计算方法
    3.4 织物图像的四元数表示
        3.4.1 超复数傅里叶变换概述
        3.4.2 图像的四元数表示形式
        3.4.3 改进的四元数图像表示方法
        3.4.4 改进方法的实验结果对比
    3.5 本章小结
第四章 基于频域显著性的疵点检测方法
    4.1 引言
    4.2 织物图像幅值谱分析
        4.2.1 图像的频域信息
        4.2.2 织物图像的频谱特点
    4.3 频域显著性检测方法
        4.3.1 HFT模型
        4.3.2 局部调谐的显著性模型
        4.3.3 显著图生成过程
        4.3.4 参数α的影响
        4.3.5 实验结果对比与分析
    4.4 本章小结
第五章 疵点检测实验结果与评估
    5.1 引言
    5.2 本文方法实验
        5.2.1 实验准备
        5.2.2 实验结果与分析
    5.3 对比实验
        5.3.1 实验结果对比
        5.3.2 实验数据评估
    5.4 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
发表论文和科研情况说明
致谢



本文编号：3802940