布匹瑕疵分类算法的研究
发布时间：2021-07-03 14:22
随着纺织工业对于布匹生产效率和品质的要求的增长,人工检测已越来越难以满足其的发展需要,目前已有的检测方法存在着成本高、召回率低和精准率差等问题,因此开发出一套高效的自动化检测的技术迫在眉睫。基于图像识别的布匹瑕疵自动检测作为当前人工智能领域研究热点之一,能极大地提升纺织行业的生产效率和产品质量。本文针对常见布匹瑕疵的检测问题,围绕基于浅层特征的瑕疵检测方法,提出了一种多特征融合的算法;同时基于深度学习方法,针对两种典型网络Alex Net和Le Net进行了改进。首先,针对当前布匹图像特征的主流提取算法的特征表述存在不完善、数据冗余和特征表达能力有限制等问题,提出了基于Laws纹理特征和Gabor特征的词向量融合分类算法,提取图像纹理和空间上的点、线、边缘、能量等特征,并在单一特征提取方法和特征融合方法上进行对比实验。结果表明:所提出的多特征融合布匹瑕疵分类方法在布匹瑕疵分类的准确率和召回率上均达到了74.7%,相较基于Gabor特征的方法F1值提升了3%,较基于Laws纹理特征的方法提升了6.9%,能显著提升分类精度,较好地解决了布匹瑕疵固有属性特征表达不完整的问题。其次,针对传统布...
【文章来源】：上海师范大学上海市
【文章页数】：57 页
【学位级别】：硕士
【部分图文】：
a1、a2、a3为样本原图；b1、b2、b3为中值滤波去噪后的图像；c1、c2、c3为维
第2章布匹瑕疵分类的相关研究上海师范大学硕士学位论文16结构相似性(SSIM)是基于图像的亮度、对比度结构的定义，具体表示为：()()()()()xy1xy22222xy1xy22μμ+C2δ+CSSIMX,Y=μ+μ+Cδ+δ+C公式（2-5)其中，xyδ表示图像的协方差，且C1、C2为常数，SSIM取值范围为[0.1]，值越大表示失真越校通过图2-2对比可以看出，本文布匹瑕疵图像选择融合滤波去噪效果更优。图2-3PSNR和SSIM性能比较2.3布匹瑕疵分类的评估指标布匹瑕疵分类属于多分类问题，对于多分类问题，我们可以采用两种方式进行评估：
上海师范大学硕士学位论文第2章布匹瑕疵分类的相关研究19图2-4Laws纹理测量过程2.4.2基于频谱分析的方法如果织物纹理结构的规律性强，则可使用频谱法来检测瑕疵点。对于复杂的织物空间域而言，为了迅速定位瑕疵点，有必要进行频域分析。在国内外文献中，都有记载以频谱法为基础的成功织物瑕疵检测案例。在对规律性的织物纹理背景进行检测时，Hu[36]使用了由傅立叶分析、小波变化组合的无监督算法。Li[37]通过小波变换提取边缘缺陷，表现出了局部时频特性，适合用于检测织物瑕疵。但是，如果缺陷存在平滑灰度差异，则尽量不使用小波变换。如果在检测中有模拟人眼需求，可使用Gabor滤波器。如果滤波操作的方向广、角度多，则会增加计算难度。鉴于此，Tong等[38-40]探索出了单方向、单角度的滤波操作。Jing[41]在融合了Gabor滤波器、遗传算法后，探索出了兼具滤波与阈值处理的检测法。2.4.3基于随机模型的方法在“双纬”、“断经”等类型的疵点检测中，有的学者通过构建模型的方式成功地检测到了织物的疵点。在复杂的纹理轮廓条件下，空间域、频域的性能受到了限制。为了突破局限，人们在检测织物疵点的过程中应用了不同的模型。通过观察模型参数特征，便可以判断出织物有无瑕疵。例如，杨晓波[42]在检测时构建了能够反映织物纹理的GRMF模型。如果织物不存在瑕疵，那么GRMF模型参数将保持固定。相反，当织物存在疵点时，模型参数将出现变化。不难发现，模型法能直观地对织物疵点进行判断，表达能力强。但是，为了达到这一效果，必须进行大量的计算。1992至2002年，提出一种特征表示的二维AR模型，并与自然曲面分类和皮革缺陷分类的多分辨率金字塔相配合。AR模型方法对小宽度的缺陷很敏感，并且容易受到光照的影响。模型?
【参考文献】：
期刊论文
[1]Laws纹理能量结合灰度共生矩阵的遥感影像面状地物提取[J]. 李光,姜春雪,刘争战,王立伟. 测绘与空间地理信息. 2017(07)
[2]采用傅里叶描述子和支持向量机的服装款式识别方法[J]. 李东,万贤福,汪军. 纺织学报. 2017(05)
[3]应用方向梯度直方图和低秩分解的织物疵点检测算法[J]. 李春雷,高广帅,刘洲峰,刘秋丽,李文羽. 纺织学报. 2017(03)
[4]应用深度卷积神经网络的色织物缺陷检测[J]. 景军锋,范晓婷,李鹏飞,洪良. 纺织学报. 2017(02)
[5]基于显著纹理特征的织物疵点检测方法[J]. 石美红,张正,郭仙草,陈永当. 纺织学报. 2016(10)
[6]基于稀疏编码字典学习的疵点检测[J]. 刘绥美,李鹏飞,张蕾,张宏伟,张缓缓,景军锋. 西安工程大学学报. 2015(05)
[7]基于Gabor小波和神经网络的布匹瑕疵检测[J]. 何薇,白瑞林,李新. 计算机工程与应用. 2016(12)
[8]基于MRF与纹理特征的图像深度信息估计[J]. 陈婷婷,张立志,赵志杰,孙华东,金雪松. 哈尔滨商业大学学报(自然科学版). 2015(02)
[9]基于纹理结构异常的织物疵点检测算法研究[J]. 刘洲峰,赵全军,李春雷,董燕,闫磊. 中原工学院学报. 2014(03)
[10]基于熵和变异度的织物疵点图像分割方法[J]. 王松伟,石美红,张正,郭仙草. 西安工程大学学报. 2014(02)
博士论文
[1]布匹疵点在线检测系统研究[D]. 邹超.华中科技大学 2009
硕士论文
[1]基于深度特征和低秩分解的织物疵点检测算法研究[D]. 王宝瑞.中原工学院 2018
[2]织物疵点检测算法研究和系统实现[D]. 尉苗苗.江南大学 2017
[3]基于深度卷积神经网络的图像美感评估研究[D]. 王励.华南理工大学 2016
[4]布匹瑕疵实时视觉检测技术的研究与开发[D]. 何薇.江南大学 2015
[5]布匹瑕疵检测技术的研究与开发[D]. 王明景.江南大学 2014
[6]基于支持向量机的图像分类研究[D]. 汪斌.浙江大学 2013
[7]实时布匹瑕疵检测技术研究[D]. 张轶.天津工业大学 2005
本文编号：3262753
【文章来源】：上海师范大学上海市
【文章页数】：57 页
【学位级别】：硕士
【部分图文】：
a1、a2、a3为样本原图；b1、b2、b3为中值滤波去噪后的图像；c1、c2、c3为维
第2章布匹瑕疵分类的相关研究上海师范大学硕士学位论文16结构相似性(SSIM)是基于图像的亮度、对比度结构的定义，具体表示为：()()()()()xy1xy22222xy1xy22μμ+C2δ+CSSIMX,Y=μ+μ+Cδ+δ+C公式（2-5)其中，xyδ表示图像的协方差，且C1、C2为常数，SSIM取值范围为[0.1]，值越大表示失真越校通过图2-2对比可以看出，本文布匹瑕疵图像选择融合滤波去噪效果更优。图2-3PSNR和SSIM性能比较2.3布匹瑕疵分类的评估指标布匹瑕疵分类属于多分类问题，对于多分类问题，我们可以采用两种方式进行评估：
上海师范大学硕士学位论文第2章布匹瑕疵分类的相关研究19图2-4Laws纹理测量过程2.4.2基于频谱分析的方法如果织物纹理结构的规律性强，则可使用频谱法来检测瑕疵点。对于复杂的织物空间域而言，为了迅速定位瑕疵点，有必要进行频域分析。在国内外文献中，都有记载以频谱法为基础的成功织物瑕疵检测案例。在对规律性的织物纹理背景进行检测时，Hu[36]使用了由傅立叶分析、小波变化组合的无监督算法。Li[37]通过小波变换提取边缘缺陷，表现出了局部时频特性，适合用于检测织物瑕疵。但是，如果缺陷存在平滑灰度差异，则尽量不使用小波变换。如果在检测中有模拟人眼需求，可使用Gabor滤波器。如果滤波操作的方向广、角度多，则会增加计算难度。鉴于此，Tong等[38-40]探索出了单方向、单角度的滤波操作。Jing[41]在融合了Gabor滤波器、遗传算法后，探索出了兼具滤波与阈值处理的检测法。2.4.3基于随机模型的方法在“双纬”、“断经”等类型的疵点检测中，有的学者通过构建模型的方式成功地检测到了织物的疵点。在复杂的纹理轮廓条件下，空间域、频域的性能受到了限制。为了突破局限，人们在检测织物疵点的过程中应用了不同的模型。通过观察模型参数特征，便可以判断出织物有无瑕疵。例如，杨晓波[42]在检测时构建了能够反映织物纹理的GRMF模型。如果织物不存在瑕疵，那么GRMF模型参数将保持固定。相反，当织物存在疵点时，模型参数将出现变化。不难发现，模型法能直观地对织物疵点进行判断，表达能力强。但是，为了达到这一效果，必须进行大量的计算。1992至2002年，提出一种特征表示的二维AR模型，并与自然曲面分类和皮革缺陷分类的多分辨率金字塔相配合。AR模型方法对小宽度的缺陷很敏感，并且容易受到光照的影响。模型?
【参考文献】：
期刊论文
[1]Laws纹理能量结合灰度共生矩阵的遥感影像面状地物提取[J]. 李光,姜春雪,刘争战,王立伟. 测绘与空间地理信息. 2017(07)
[2]采用傅里叶描述子和支持向量机的服装款式识别方法[J]. 李东,万贤福,汪军. 纺织学报. 2017(05)
[3]应用方向梯度直方图和低秩分解的织物疵点检测算法[J]. 李春雷,高广帅,刘洲峰,刘秋丽,李文羽. 纺织学报. 2017(03)
[4]应用深度卷积神经网络的色织物缺陷检测[J]. 景军锋,范晓婷,李鹏飞,洪良. 纺织学报. 2017(02)
[5]基于显著纹理特征的织物疵点检测方法[J]. 石美红,张正,郭仙草,陈永当. 纺织学报. 2016(10)
[6]基于稀疏编码字典学习的疵点检测[J]. 刘绥美,李鹏飞,张蕾,张宏伟,张缓缓,景军锋. 西安工程大学学报. 2015(05)
[7]基于Gabor小波和神经网络的布匹瑕疵检测[J]. 何薇,白瑞林,李新. 计算机工程与应用. 2016(12)
[8]基于MRF与纹理特征的图像深度信息估计[J]. 陈婷婷,张立志,赵志杰,孙华东,金雪松. 哈尔滨商业大学学报(自然科学版). 2015(02)
[9]基于纹理结构异常的织物疵点检测算法研究[J]. 刘洲峰,赵全军,李春雷,董燕,闫磊. 中原工学院学报. 2014(03)
[10]基于熵和变异度的织物疵点图像分割方法[J]. 王松伟,石美红,张正,郭仙草. 西安工程大学学报. 2014(02)
博士论文
[1]布匹疵点在线检测系统研究[D]. 邹超.华中科技大学 2009
硕士论文
[1]基于深度特征和低秩分解的织物疵点检测算法研究[D]. 王宝瑞.中原工学院 2018
[2]织物疵点检测算法研究和系统实现[D]. 尉苗苗.江南大学 2017
[3]基于深度卷积神经网络的图像美感评估研究[D]. 王励.华南理工大学 2016
[4]布匹瑕疵实时视觉检测技术的研究与开发[D]. 何薇.江南大学 2015
[5]布匹瑕疵检测技术的研究与开发[D]. 王明景.江南大学 2014
[6]基于支持向量机的图像分类研究[D]. 汪斌.浙江大学 2013
[7]实时布匹瑕疵检测技术研究[D]. 张轶.天津工业大学 2005
本文编号：3262753
本文链接：https://www.wllwen.com/projectlw/qgylw/3262753.html
