当前位置:主页 > 理工论文 > 轻工业论文 >

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】:

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


图1.1织物疵点人工检测逡逑I逡逑

纹理特征,滑动窗口,纹理,提取纹理特征


自然界的常见纹理纹理特征分类如图2.2所示:

旋转不变,特征计算,方法,算子


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

资料下载
论文发表

本文链接:https://www.wllwen.com/projectlw/qgylw/2794210.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户566c6***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com