基于Haar小波分解及灰度梯度增强的疵点检测算法研究

发布时间：2021-05-17 03:04

　　布料作为轻工业的重要原材料,其质量一直是纺织行业中的各类企业所重视的核心问题之一。早先由于技术的限制,布料表面的质量检测一直是依赖流水线上的工人的眼睛进行人工检测,存在着诸如错误率高、标准难以统一、受人为因素影响较大等问题。随着近些年来技术的发展,布料的自动化检测技术被越来越多的应用在工厂的实际生产中,使得行业的标准化成为可能,同时也促进了相关行业的发展。随着相关技术的发展,诞生了许多种基于机器视觉的不同算法,这些具体的方法可以大致分为统计法、频谱法、基于模型的方法和近些年诞生的基于机器学习和神经网络的新检测方法。本文针对布料疵点检测中所遇到的实际问题进行了以下工作:1.基于灰度梯度增强和图像非局部自相似性的布料疵点检测算法。针对基于图像非局部自相似（NSS）的检测方法不能有效地检测到小型的线性疵点的问题,在原有的检测方法中引入基于图像灰度密度函数的方法来对于疵点区域进行增强,从而解决原有算法对于小型的线性疵点检测能力不足的问题,即基于增强的NSS疵点检测方法（ENSS）。实验结果表明该算法在保证原有检测性能的前提下解决了原有算法对于小型线性疵点缺乏检测能力的问题。2.基于Haar小波... 

【文章来源】：南京信息工程大学江苏省

【文章页数】：58 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
        1.1.1 织物疵点检测的意义和发展
        1.1.2 国内外织物疵点检测技术现状
        1.1.3 布料自动化检测系统的结构
        1.1.4 织物疵点检测领域当前所遇到的挑战
    1.2 主要工作和内容安排
    1.3 本章小结
第2章 相关知识介绍
    2.1 基于统计学检测方法简介
        2.1.1 灰度共生矩阵
        2.1.2 数学形态学
        2.1.3 分形方法
        2.1.4 双层阈值
        2.1.5 局部线性变换
    2.2 基于频谱的检测方法简介
        2.2.1 傅里叶变换
        2.2.2 小波变换
        2.2.3 Gabor滤波器
        2.2.4 滤波法
    2.3 基于模型的检测方法
        2.3.1 自回归模型
        2.3.2 马尔可夫随机场模型
    2.4 其他检测方法
    2.5 本章小结
第3章 基于灰度梯度增强和图像非局部自相似性的布料疵点检测算法
    3.1 图像的预处理及基于灰度梯度的增强
    3.2 基于图像非局部自相似性的检测方法
    3.3 实验结果与分析
        3.3.1 参数设置
        3.3.2 实验结果
    3.4 本章小结
第4章 基于Haar小波分解与分块方差的布料疵点检测算法
    4.1 图像的预处理
    4.2 Haar小波分解
        4.2.1 尺度函数与小波函数
        4.2.2 Haar小波与Haar小波的分解与重构
    4.3 基于图像分块与方差阈值的疵点检测算法
    4.4 实验结果
        4.4.1 参数设置
        4.4.2 实验结果
    4.5 本章小结
第5章 总结与展望
    5.1 工作总结
    5.2 工作展望
致谢
参考文献
作者简介


【参考文献】：
期刊论文
[1]基于树莓派的深度学习色织物疵点检测研究[J]. 曹振军,景军锋,苏泽斌,张缓缓.  棉纺织技术. 2019(01)
[2]基于机器视觉的疵点检测方法的研究进展[J]. 王孟涛,李岳阳,杜帅.  现代纺织技术. 2019(05)
[3]基于改进判别性完整局部二值模式与格分割的织物瑕疵检测方法[J]. 赵树志,狄岚,何锐波.  纺织学报. 2018(09)
[4]基于视觉显著性的织物起球客观等级评价[J]. 管声启,何建新,洪奔奔,王立中,梁洪.  东华大学学报(自然科学版). 2018(01)
[5]基于图像处理的织物疵点检测算法综述[J]. 刘小敏,刘国高,宗国华,张卓,张学武,刘宇兴.  微处理机. 2016(01)
[6]基于机器视觉和图像处理的织物疵点检测研究新进展[J]. 李文羽,程隆棣.  纺织学报. 2014(03)
[7]基于小波静态分解的离散小疵点检测[J]. 管声启,石秀华,王筠.  天津工业大学学报. 2010(05)



本文编号：3190945