本文關鍵詞：基于計算機視覺的紙張性能的研究

  更多相關文章： 紙病 紋理特征 模式識別 回歸分析

【摘要】：紙張在生活中隨處可見,隨著人們生活水平的提高,對紙張質量的要求也在不斷地提高,紙張的質量包括紙張的外觀特性和紙張的力學性能,傳統(tǒng)紙張外觀質量好壞的檢測主要靠人眼觀察,而紙張力學性能的檢測主要依靠人工借助各類儀器實現(xiàn)。為了實現(xiàn)紙張性能檢測自動化的目的,本文以紙張圖像為研究對象采用計算機視覺技術的方法完成了紙病和紙張力學性能檢測等方面的研究。首先通過圖像分割,邊緣檢測,及霍夫變換的方法實現(xiàn)了對黑斑,亮斑,褶皺等紙病的檢測,為后續(xù)紙張力學性能的檢測打下基礎。其次利用局部二值化模式和灰度梯度共生矩陣提取紙張圖像的紋理特征,并將對應紙張的力學性能等級作為分類標簽,利用BP神經(jīng)網(wǎng)絡和支持向量機完成了紙張實現(xiàn)了紙張力學性能的分類,分類準確率可達95%以上,說明紙張的外觀特性與紙張的力學性能之間存在關聯(lián)關系。最后,通過對紙張抗張指數(shù)、耐破指數(shù)、耐折度和撕裂指數(shù)等紙張力學性能與紙張外觀特性之間的關系進行多元回歸分析,得到了紙張力學性能與紙張外觀特性之間的回歸模型,通過測試,模型的平均相對誤差維持在10%以內,證明了模型的準確性。本文用計算機視覺的方法對紙張性能進行研究,為紙張力學性能的自動化無損檢測提供了一種新思路。
【關鍵詞】：紙病 紋理特征 模式識別 回歸分析
【學位授予單位】：北京林業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要3-4
• ABSTRACT4-8
• 1. 緒論8-14
• 1.1. 課題研究背景8-9
• 1.1.1. 紙病檢測概況8
• 1.1.2. 紙張力學性能的檢測概況8-9
• 1.2. 研究目的及意義9-10
• 1.3. 計算機視覺技術10-11
• 1.3.1. 計算機視覺的特點及應用10
• 1.3.2. 計算機視覺的構成及原理10-11
• 1.4. 計算機視覺用于紙張檢測的國內外研究現(xiàn)狀11-12
• 1.5. 論文主要研究內容及結構12-13
• 1.5.1. 主要研究內容12-13
• 1.5.2. 論文的組織結構13
• 1.6. 本章小結13-14
• 2. 簡單外觀紙病的檢測14-26
• 2.1. 紙張圖像采集系統(tǒng)14
• 2.2. 簡單外觀紙病14-15
• 2.3. 紙張圖像的預處理15-16
• 2.4. 圖像分割16-19
• 2.4.1. Otsu閾值選擇方法16-17
• 2.4.2. 迭代閾值法17-18
• 2.4.3. 人工手動閾值法18-19
• 2.5. 黑斑亮斑的檢測19-22
• 2.6. 褶皺檢測22-23
• 2.7. 實驗結果23-25
• 2.8. 本章小結25-26
• 3. 紙張圖像的特征提取26-43
• 3.1. 紙張圖像分析26-27
• 3.2. 紋理特征27-28
• 3.3. 局部二值模式(LBP)28-35
• 3.3.1. 基本的LBP28-30
• 3.3.2. 通用LBP的推導30-32
• 3.3.3. 等價模式32-33
• 3.3.4. 旋轉不變的LBP算子33-34
• 3.3.5. 旋轉不變等價LBP34-35
• 3.4. 灰度梯度共生矩陣35-38
• 3.4.1. 灰度、梯度歸一化36-37
• 3.4.2. 灰度梯度共生矩陣紋理參數(shù)的計算37-38
• 3.5. 紙張圖像紋理特征的提取38-42
• 3.6. 本章小結42-43
• 4. 紙張力學性能的研究43-77
• 4.1. BP神經(jīng)網(wǎng)絡43-50
• 4.1.1. BP算法的推導45-48
• 4.1.2. BP算法的步驟48-50
• 4.2. BP神經(jīng)網(wǎng)絡應用于紙張力學性能分類50-53
• 4.3. 支持向量機53-60
• 4.3.1. 最優(yōu)分類超平面54-56
• 4.3.2. 線性SVM56-57
• 4.3.3. 非線性SVM57-60
• 4.4. 支持向量機在紙張力學性能分類中的應用60-62
• 4.5. 回歸分析62-65
• 4.5.1. 多元回歸分析62-63
• 4.5.2. 多元線性回歸分析63-64
• 4.5.3. 回歸參數(shù)的最小二乘估計64-65
• 4.6. 主成分分析65-67
• 4.6.1. 基本原理66
• 4.6.2. 主成分分析的步驟66-67
• 4.7. 紙張力學性能的回歸分析67-76
• 4.7.1. 抗張性能回歸分析67-69
• 4.7.2. 耐破指數(shù)回歸分析69-71
• 4.7.3. 耐折度回歸分析71-73
• 4.7.4. 撕裂指數(shù)回歸分析73-75
• 4.7.5. 紙張力學性能回歸分析結論75-76
• 4.8. 本章小結76-77
• 5. 結論與展望77-79
• 5.1. 總結77-78
• 5.2. 展望78-79
• 參考文獻79-84
• 個人簡介84-86
• 導師簡介86-88
• 獲得成果目錄清單88-90
• 致謝90-92
• 附錄92-114

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 高美真;姜曉峰;;人類視覺與計算機視覺的比較[J];焦作師范高等�？茖W校學報;2007年01期

2 徐光yP;;以人為中心的計算機視覺應用[J];中國圖象圖形學報;2009年02期

3 韓紅;焦李成;;談計算機視覺課程的教學創(chuàng)新[J];計算機教育;2010年19期

4 王振華;胡占義;;2011國際計算機視覺大會簡介[J];計算機輔助設計與圖形學學報;2012年02期

5 劉兵;;關于計算機視覺成像的研究分析[J];煤炭技術;2013年06期

6 顧偉康;計算機視覺學的發(fā)展概況[J];浙江大學學報;1986年04期

7 蔡愉祖;計算機視覺概述[J];系統(tǒng)工程與電子技術;1986年01期

8 戰(zhàn)德臣;陳景春;李仲榮;;計算機視覺研究的一種分布式專家系統(tǒng)模型[J];航天控制;1989年02期

9 趙榮椿;計算機視覺——未來測控技術中的重要角色[J];測控技術;1992年01期

10 周國清,唐曉芳;計算機視覺及其應用[J];中國計算機用戶;1996年08期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 宋小華;歐陽丹彤;;時空推理在計算機視覺的應用[A];2006年全國理論計算機科學學術年會論文集[C];2006年

2 謝麗欣;牟會;王歡;劉明霞;;基于計算機視覺的人臉檢測與識別綜述[A];第三屆全國軟件測試會議與移動計算、柵格、智能化高級論壇論文集[C];2009年

3 陳強;孫振國;;計算機視覺在焊接中的應用[A];第十次全國焊接會議論文集（第1冊）[C];2001年

4 田涌濤;洪錫軍;王有慶;李從心;;計算機視覺在先進制造技術中的應用[A];面向制造業(yè)的自動化與信息化技術創(chuàng)新設計的基礎技術——2001年中國機械工程學會年會暨第九屆全國特種加工學術年會論文集[C];2001年

5 劉敏娟;洪添勝;李震;吳偉斌;劉志壯;;基于計算機視覺的荔枝檢測與分級方法[A];紀念中國農業(yè)工程學會成立30周年暨中國農業(yè)工程學會2009年學術年會（CSAE 2009）論文集[C];2009年

6 孫潔瓊;孫明;;基于計算機視覺的水果外觀品質檢測分級研究現(xiàn)狀[A];中國農業(yè)工程學會電氣信息與自動化專業(yè)委員會、中國電機工程學會農村電氣化分會科技與教育專委會2010年學術年會論文摘要[C];2010年

7 王劃一;王效良;;計算機視覺在絎縫機自動編程及控制中的應用[A];第二十屆中國控制會議論文集（下）[C];2001年

8 周紅;劉光蓉;;計算機視覺及其在谷物籽粒檢測分級中的應用[A];中國糧油學會第三屆學術年會論文選集（下冊）[C];2004年

9 吳彥紅;劉木華;楊君;鄭華東;;大米外觀品質的計算機視覺在線檢測技術研究[A];農業(yè)機械化與新農村建設——中國農業(yè)機械學會2006年學術年會論文集（下冊）[C];2006年

10 張慶敏;于龍;;計算機視覺在接觸網(wǎng)定位器坡度識別中的應用[A];高速鐵路接觸網(wǎng)零部件安全可靠性技術論文集[C];2013年

中國重要報紙全文數(shù)據(jù)庫 前9條

1 記者 李大慶;我在國際計算機視覺算法競賽中摘金[N];科技日報;2011年

2 滕繼濮;不放過一個“壞蛋”[N];糧油市場報;2011年

3 ;生活中的計算機視覺[N];中國計算機報;2006年

4 王悅承;逾30篇中國論文入選ICCV[N];中國計算機報;2005年

5 本報記者 滕繼濮;無損檢測技術：不放過一個“壞蛋”[N];科技日報;2011年

6 本報記者 薛娟;未來搜索：沒有搜索的搜索[N];中國經(jīng)濟時報;2010年

7 記者 楊杰 實習記者 李樂;農機領域喜獲四項大獎[N];中國農機化導報;2009年

8 張明平　記者 趙鳳華;蘋果的氣味“看”出來[N];科技日報;2009年

9 記者 常麗君;新軟件能“預測”你各年齡段長相[N];科技日報;2014年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 王強;基于幾何代數(shù)的計算機視覺問題研究[D];國防科學技術大學;2013年

2 王任大;基于計算機視覺的手勢交互技術及其在航海中的應用[D];大連海事大學;2014年

3 賀文驊;基于計算機視覺的復雜場景下目標跟蹤研究[D];西安電子科技大學;2015年

4 潘磊慶;基于計算機視覺和聲學技術融合檢測雞蛋品質的研究[D];南京農業(yè)大學;2007年

5 孔明;顆粒粒徑和形態(tài)計算機視覺測量方法研究[D];東南大學;2005年

6 劉釗;基于計算智能的計算機視覺及其應用研究[D];武漢科技大學;2011年

7 李慶中;蘋果自動分級中計算機視覺信息快速獲取與處理技術的研究[D];中國農業(yè)大學;2000年

8 謝存;計算機視覺中若干問題實現(xiàn)技術和算法的研究[D];大連理工大學;2002年

9 趙書濤;基于計算機視覺的直讀儀表校驗方法研究[D];華北電力大學（河北）;2006年

10 柴阿麗;基于計算機視覺和光譜分析技術的蔬菜葉部病害診斷研究[D];中國農業(yè)科學院;2011年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 王福香;基于計算機視覺的馬鈴薯外部缺陷檢測方法研究[D];內蒙古農業(yè)大學;2015年

2 余饒東;基于腦波與計算機視覺的注意力檢測技術在E-Learning中的應用研究[D];昆明理工大學;2015年

3 李想;基于計算機視覺的花卉分級系統(tǒng)研究[D];天津理工大學;2015年

4 吳林林;基于計算機視覺的皮革測配色研究[D];陜西科技大學;2015年

5 龍怡霖;基于計算機視覺的雜草種子鑒別[D];西北農林科技大學;2015年

6 謝艷鵬;面向細胞行為辨識的計算機視覺研究與應用[D];沈陽理工大學;2015年

7 丁僑俊;基于計算機視覺的智能停車場引導系統(tǒng)研究[D];福建師范大學;2015年

8 王鵬博;多態(tài)并行機上的OpenVX系統(tǒng)實現(xiàn)[D];西安郵電大學;2015年

9 周志強;基于計算機視覺的指針式電表校驗的關鍵技術研究[D];南昌大學;2015年

10 陳玉潔;基于計算機視覺的外膜厚度測量方法的研究[D];南昌航空大學;2015年

，

本文編號：783287