搜索
目录摘要.........................................................................................................................1ABSTRACT..............................................................................................................1第一章绪论.............................................................................................................2第1.1节织物瑕疵检测简介..............................................................................2第1.2节图像处理技术......................................................................................4第1.3节本文的主要内容以及章节安排.........................................................6第二章基础知识.....................................................................................................7第2.1节MATLAB的介绍................................................................................7第2.2节图像处理工具箱和小波工具箱.........................................................8第三章基于小波变换的织物瑕疵分析...............................................................11第3.1节二维小波变换....................................................................................11第3.2节主要分析流程....................................................................................13第3.3节基于小波变换的瑕疵检测过程.......................................................14第四章总结...........................................................................................................21参考文献.................................................................................................................22致谢.......................................................................................................................23附录.......................................................................................................................24苏州大学本科生毕业设计（论文）1摘要在纺织品生产中，织物疵点检测是很重要的一个环节。本文在对图像处理技术以及织物瑕疵检测特征值的提取方法一定理解基础上，借助Matlab中的图像处理工具箱和小波分析工具箱,重点分析了织物瑕疵检测的过程。实验表明该方法可以识别简单的织物瑕疵。关键词：织物瑕疵检测图像处理小波变换AbstractFabricdefectdetectionplaysanimportantpartintheproductionprocessofthefabric.Inthispaper,onthebasisofunderstandingofimageprocessingtechnologyandthemethodofcharacterextractionforthefabricdefects,theprocessoffabricdefectdetectionisanalyzedwiththehelpofimageprocessingtoolboxandwavelettoolboxinMatlab.Theexperimentsshowthatthismethodcanidentifysomesimpledefectsinthefabric.Keyword:FabricdefectdetectionImageprocessingWaveletanalysisWavelettransform苏州大学本科生毕业设计（论文）2第一章绪论第1.1节织物瑕疵检测简介一、织物瑕疵检测的背景及意义在纺织品生产中，织物的瑕疵检测是质量控制的一项重要内容，而织物疵点又是检验的重点.在现代科学技术的推动下，纺织行业的生产效率有了大幅提高，但织物疵点检测却依然停留在人工检测阶段。由于该方法存在检测速度低、误检率和漏检率高、检验结果受人员主观因素影响大等缺点，织物疵点的检测技术已成为当今制约纺织行业进一步发展的“瓶颈”。而根据我国国情和纺织业的实际情况，研究并开发适合我国纺织工业情况的疵点自动检测系统，对提高纺织品的质量、增强出口竞争力，兼具重要的社会和经济意义。二、国外织物瑕疵检测技术的发展现状自20世纪70年代初，国内外的研究人员开始注重织物疵点检测技术，到90年代后期形成了一个研究高潮[1]。中国、中国台湾、韩国、日本、美国、以色列和瑞士等国家和地区的学者参考和借鉴了其他工业检测系统的开发经验以及数学和计算机等学科的最新科研成果，发表了大量的相关文章和研究论文，使织物疵点检测的理论水平不断提高，对织物疵点自动检测系统的开发给予了理论指导。并且国外研究人员通过对计算机理论、模式识别、自动控制理论的深入研究和综合运用，推出了织物疵点检测的商业化产品，如以色列埃尔博特(EVS)公司的I-TEX验布系统[2]、瑞士Uster公司Fabriscan自动验布系统和比利时BARCO公司的验布系统。但真正适用于实际生产并被市场接纳的并不多，市场主要占有者为以色列的EVS公司。三、国内织物瑕疵检测技术的发展现状国内对于织物疵点自动检测也进行了大量的研究，如东华大学、华中科技大学、浙江理工大学、苏州大学等学校的学者对此都有比较深入的研究，在对图像的识别上已经取得了很好的成果，但鲜有成熟的自动检测系统出现。因此，织物疵点的自动检测是近年来国内外学者共同关注和研究的热门课题之一。四、织物瑕疵的种类织物瑕疵的种类有很多，如叉绞(如图1.1)、缺经(如图1.2)、跳梭(如图1.3)和带纬(如图1.4)和坍纬拔出(图1.5)等等。苏州大学本科生毕业设计（论文）3图1.1叉绞图1.2缺经图1.3跳梭图1.4带纬图1.5坍纬拔出苏州大学本科生毕业设计（论文）4第1.2节图像处理技术所谓计算机图像处理是指将图像信号转换成数字格式，并利用计算机对其进行处理的过程。其内容是十分丰富的，包括数字图像变形技术、图像的傅立叶分析技术、图像的平滑处理、图像的锐化处理、图像分割、边缘检测、形状描述、形态学分析、图像压缩编码、彩色图像处理等等。计算机图像处理可以直观地对图像进行变换，这一新兴的技术已在各行业中得以广泛应用。近10年来，数字图像处理技术的发展进一步深入、广泛和迅速，人们已充分认识到图像处理技术是认识世界、改造世界的重要手段之一。图像信息处理技术已广泛应用于许多社会领域，如工业、农业、国防军事、社会公安、科研、生物医学、通信邮电等等。因此把图像处理应用于织物疵点的识别是有基础和前景的，事实证明也是可行的。一般来讲，基于图像处理的疵点检测过程为采集织物图像、图像预处理、图像分析和疵点检测分类等阶段，包括训练或学习过程和检测过程(如图1.6所示)，织物疵点检测的核心技术是图像特征值的提取。图1.6织物瑕疵自动检测和分类的工作过程目前提取方法有：灰度共生矩阵法、Markov随机场法、灰度直方图统计法、灰度匹配法[3]、二维傅立叶变换法、Gabor变换法和小波变换法。灰度共生矩阵法[4]——用灰度等级共同发生矩阵提取织物组织图像中织物疵点特征参数，来评价织物疵点种类。灰度共生矩阵中可得出的纹理特征系数有以下几种：角二阶矩，反映了图像灰度分布均匀程度和纹理粗细度；对比度，反映了图像的清晰度和纹理的沟纹深浅；熵，它度量图像纹理的随机性，熵的最大值暗示图像中灰度分布非常随机；逆待检测图像预处理图像处理特征提取检测分类结果统计结果神经网络分类器织物图像采集训练图像预处理图像处理特征提取苏州大学本科生毕业设计（论文）5差矩，它度量图像纹理局部变化的多少。还有和熵、熵、差平均、差方差等特征值。此方法是分析纹理结构的基本方法，不足之处是计算量非常大，不适宜在线高速织物疵点检测。Markov随机场法[4、5]——通过对正常织物图像的分析，得出织物纹理的MRF(Gauss-MarkoRandomField)参数，作为特征值用于检测。不足之处在于仅仅通过随机场模型并不能最大限度地降低图像分析的计算复杂度和提高图像处理的速度，因而还不能实现织物疵点的快速自动检测。Cohen等人使用的统计纹理模型(高斯马尔可夫随机场)于牛仔布和地毯疵点的检测中。灰度直方图统计法[]4、5、6]——运用织物图像的直线纹理特征，由概率统计生成直方图，有效的提取织物图像的特征波形，和无疵点的织物图像进行比较能确定织物纹理结构的异常位置，正确识别织物疵点。该识别算法原理简单、运算快捷、可靠稳定，且适应性强但并不能识别所有类型的疵点。灰度匹配法[5、6]——选择一个标准的织物图像作为摸板，先把待检图像与模板相减，再通过一个低通滤波器，通过统计残余图像的灰度分布情况得出特征值。这种方法比较简洁，但它对外界条件要求高，不足之处是必须保证无疵点图像与摸板是一致的。如Takoto等人研究的一种灰度匹配算法。傅立叶变换法[7、8]——这种方法具有空域定位能力，具有空频域结合(jointspatial－frequency)的分析能力。它的缺点是对域值的选取很敏感，误检率较高，并且计算量很大。Gabor变换法——首先根据正常织物的图像设计与之匹配的Gabor滤波器，然后采用该滤波器对待检图形进行处理，在得到的图像中疵点图像被增强，而正常纹理图像被减弱.最后通过图像阈值化得到疵点的位置和形状信息。小波变换法[9]——小波变换具有时间-频率都局部化的特点，适合进行图像空域和频域的多分辨率分析。小波变换能更有效的从图像中提取出信息，并且可通过缩放、平移等对图像进行多尺度细化分析处理，最终达到高频部分的空间细分、低频部分的频率细分，从而实现对图像的自适应的分析，甚至可以根据需要而聚焦到图像的任意细节。小波变换综合了泛函分析、傅立叶分析和数值分析等理论的优点，是纯粹数学和应用数学完美结合的又一个成功范例，解决了以前许多由傅立叶变换无法实现的难题，在工程界被公认是继傅立叶变换后又一个里程碑的发现。小波变换有灵活性强，适应范围广，并且容易实现的优