羊绒和羊毛纤维图像识别方法研究

发布时间：2020-07-20 09:16

【摘要】：羊绒和羊毛纤维的识别一直都是纺织领域的重要课题。目前,商检部门主要采用显微投影法,该方法检测效率低且受人为主观影响较大。随着计算机技术的飞速发展,将显微镜与计算机相结合来识别羊绒和羊毛的方法日趋成熟。本文基于图像处理技术,对羊绒羊毛纤维识别过程中的图像预处理方法、交叉纤维分离、特征提取及分类识别模型进行了分析,实现了一种自动识别分类方法,其主要研究内容如下:首先,制定了适用于羊绒羊毛纤维的图像预处理方案。利用纤维自动切片仪和微分干涉相衬显微镜采集到纹理特征清晰的图像后,针对显微镜下羊绒羊毛纤维图像的特点,采用灰度化、拉普拉斯锐化、高斯去噪、Canny检测、形态学膨胀腐蚀、轮廓检测和区域生长等一系列图像处理方法,分割目标纤维与背景,获得目标纤维区域二值图。其次,探讨了一种交叉纤维分离算法。针对目标纤维区域二值图,采用改进的快速并行细化算法获取其骨架图,利用骨架交叉点个数作为分类准则,将纤维形态分为单根、X形、T形、V形、多根交叉等五种形态。针对两根纤维交叉形态,采用Shi-Tomasi角点检测、Hough变换等方法进行处理后,根据同根纤维斜率相近原则,将其分离成两个单根纤维。而对于多根交叉纤维,则采用人机交互的方式进行识别。再次,研究了羊绒羊毛纤维的形态特征和纹理特征提取方法。针对单根纤维,采用分段测量法、鳞片骨架测量法、统计标记点法等共提取出8个形态特征,如纤维直径、鳞片高度、鳞片周长、鳞片面积、径高比、鳞片相对周长、鳞片相对面积、密度等。基于灰度共生矩阵共提取出4个纹理特征,如能量、熵、对比度、相关性等。这12个特征参数能够较全面的描述纤维特征并具有较好的可分性。最后,建立了基于主成分分析法和支持向量机的羊绒羊毛分类识别模型。通过主成分分析法对形态特征和纹理特征数据进行降维,建立羊绒羊毛识别参数体系。然后选择径向基核函数,通过交叉验证法和网格搜索法获取最佳参数组合,训练得到能够应用于羊绒羊毛纤维识别的支持向量机分类模型。实验结果表明,该分类模型效果较好,识别率可达94.9%。
【学位授予单位】：湖北工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;TS102.31
【图文】：

流程图,羊绒,自动识别,羊毛

计算出角点到骨架交叉点的距离。依据设定的判断准则，叉点，然后根据提出的棒状交叉颗粒分离算法，实现交叉分离。上所述，由于纤维图像的复杂性，目前国内外还没有一套完整成熟用于任何交叉纤维图像，必须具体情况具体分析，因此迫切的需要性较高、普适性较强的交叉纤维分离算法，为后续的纤维自动识别在羊绒羊毛纤维识别方面，虽然国内外学者已经做了大量深入的研一定的研究成果，然而，到目前为止，尚且还没有被行业内广泛认效推广的纤维自动识别系统。对纤维自动识别的研究还处于探索阶取代人工检测的水平，这也是商检系统目前仍然采用人工检测的主文研究内容和章节安排文在分析和总结现有研究成果的基础上，基于数字图像处理技术对自动识别过程中的关键技术展开了研究，羊绒羊毛自动识别流程如

纤维,羊绒,羊毛纤维,纤维切片

第 2 章羊绒羊毛纤维图像采集及预处理羊绒羊毛纤维自动识别流程的第一步就是采集图像和预处理。本章主要描纤维切片仪和微分干涉相衬显微镜采集图像的过程，并提出了一个实用性较羊绒羊毛纤维图像预处理方案，为后续的交叉纤维分离以及特征提取做准备.1 图像采集硬件系统.1.1 纤维切片制作羊绒羊毛纤维切片制备分为纵向和横向切片制备两种。由于同根纤维不同的横向切片呈现的特征大不相同，难以统一标准进行纤维识别，而纵向切片在这个问题，并且具有耗时短、制备简单等优点，因此被广泛采用。本课题用纤维自动切片仪[40]制备纵向切片，如图 2.1 所示。具体步骤如下：

羊绒,羊毛纤维,纤维切片,纤维

【参考文献】