基于灰度LBP共生矩阵和空间加权k-means的织物图像疵点分割
发布时间：2020-08-15 14:05
【摘要】：自古以来,纺织行业都是我国最重要的产业之一。在这个全球经济逐渐一体化的时代下,织物的质量直接影响到我国纺织行业的竞争力,所以质量控制是织物生产过程中十分重要的环节。然而在织物的生产过程中,织物表面总是会无法避免地产生各种各样疵点。目前,国内大多数的纺织工厂在织物疵点检测方面,仍旧依靠传统的人工检测,存在着检测效率低、成本高、有害人体健康等缺点。随着数字图像和机器视觉的发展,织物的疵点检测数字化和自动化成为可能,利用计算机代替人工检测,可以降低成本、提高工作效率。本文以织物图像疵点检测作为研究对象,进行了以下三方面的研究:(1)针对织物图像的特征提取,在灰度共生矩阵与LBP特征的基础上,改变共生矩阵的计算方式,将两种方法进行了结合使用,提出了基于灰度LBP共生矩阵的特征提取算法,保留了两种方法的优点,减少了计算量。同时采用插值运算,改善了距离选取时所产生的误差。实验结果表明,本文方法计算耗时更短,更能满足实时性要求。(2)针对疵点区域的图像分割,对k-means方法进行了改进,结合图像数据的特点,提出了空间加权的k-means算法,使其能够更好应用在图像分割上。实验结果表明,本文方法更加适合图像分割应用,分割结果优于传统方法。(3)完成了织物图像疵点检测系统的设计,包括硬件选型与软件实现两方面。依此完成了光源与照明、图像采集等硬件平台的搭建,与基于MFC与OpenCV的软件上位机的实现。并对系统与本文提出的算法进行了调试与验证,实验结果表明该平台基本满足检测的准确性和实时性要求。最后对全文的研究工作进行了总结,对织物疵点识别研究领域做了进一步的展望,提出了相关的建议。
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TS107;TP391.41
【图文】：
图１．１织物疵点人工检测逡逑Ｉ逡逑
自然界的常见纹理纹理特征分类如图2.2所示:
圆形ＬＢＰ算子可以允许在半径为的圆形邻域内，选取任意多个像逡逑素点，例如８个、１６个等，这样ＬＢＰ算子的种类得到了增大，其描述区分纹理逡逑的能力得到了加强。图３．６显示了几种不同圆形ＬＢＰ特征，右上角表示半径及的逡逑取值，右下角表示采样点个数Ｐ的取值。逡逑丨｜丨 「丨逦丨４，口象卜逡逑—＿ｔ土ｔ逦？逦４－逦Ａ－逡逑？逦？邋＿逦S缅危垮巍危垮危ｅ危村义弦唬⒁诲澹劐澹皱濉巍义县危慑澹觯蹋詹峰义希蹋拢校戾危蹋拢校危蹋拢校义贤迹常都钢植煌残危蹋拢刑卣麇义希常常玻残槐洌蹋拢绣义先欢蓖枷穹⑸保迹蹋拢兴阕雍驮残危蹋拢兴阕拥闹刀既菀追⑸缅义细谋洹Ｎ思跎僖蛲枷裥吹挠跋欤停幔澹睿穑幔岬热颂岢隽诵槐洌蹋拢绣义纤阕印８盟阕硬⒉皇侵苯尤”冉虾蟮模蹋拢兄担墙枚浦挡欢献笠朴乙疲义涎∪∽钚〉亩浦底魑钪盏模蹋拢兄怠Ｍ迹常犯隽饲笕⌒槐涞模蹋拢械腻义霞扑惴椒āｅ义希襄
本文编号：2794210
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TS107;TP391.41
【图文】：
图１．１织物疵点人工检测逡逑Ｉ逡逑
自然界的常见纹理纹理特征分类如图2.2所示:
圆形ＬＢＰ算子可以允许在半径为的圆形邻域内，选取任意多个像逡逑素点，例如８个、１６个等，这样ＬＢＰ算子的种类得到了增大，其描述区分纹理逡逑的能力得到了加强。图３．６显示了几种不同圆形ＬＢＰ特征，右上角表示半径及的逡逑取值，右下角表示采样点个数Ｐ的取值。逡逑丨｜丨 「丨逦丨４，口象卜逡逑—＿ｔ土ｔ逦？逦４－逦Ａ－逡逑？逦？邋＿逦S缅危垮巍危垮危ｅ危村义弦唬⒁诲澹劐澹皱濉巍义县危慑澹觯蹋詹峰义希蹋拢校戾危蹋拢校危蹋拢校义贤迹常都钢植煌残危蹋拢刑卣麇义希常常玻残槐洌蹋拢绣义先欢蓖枷穹⑸保迹蹋拢兴阕雍驮残危蹋拢兴阕拥闹刀既菀追⑸缅义细谋洹Ｎ思跎僖蛲枷裥吹挠跋欤停幔澹睿穑幔岬热颂岢隽诵槐洌蹋拢绣义纤阕印８盟阕硬⒉皇侵苯尤”冉虾蟮模蹋拢兄担墙枚浦挡欢献笠朴乙疲义涎∪∽钚〉亩浦底魑钪盏模蹋拢兄怠Ｍ迹常犯隽饲笕⌒槐涞模蹋拢械腻义霞扑惴椒āｅ义希襄
本文编号：2794210
本文链接：https://www.wllwen.com/projectlw/qgylw/2794210.html
