為了更好地分割織物疵點圖像,提高織物疵點判別準(zhǔn)確率,主要通過三個方面進(jìn)行了織物疵點的相關(guān)研究。第一方面提出一種基于穩(wěn)定均差準(zhǔn)則（SMDC）的自適應(yīng)雙邊濾波算法,主要對于傳統(tǒng)雙邊濾波中需要根據(jù)經(jīng)驗人為調(diào)整參數(shù)的弊端進(jìn)行改進(jìn),算法主要利用SMDC來達(dá)到雙邊濾波中主要參數(shù)的自適應(yīng)調(diào)整,針對每一幅織物疵點圖像都有適合的參數(shù)與之對應(yīng)。實驗結(jié)果表明,雙邊濾波算法在自動調(diào)節(jié)參數(shù)過程中,均差趨于穩(wěn)定,SSIM達(dá)到適應(yīng)值,織物疵點圖像分割結(jié)果清晰。第二方面提出了一種改進(jìn)的Otsu分割算法,主要對于傳統(tǒng)的Otsu分割算法對于雙峰類型圖像有良好的分割效果,但是對于單峰類型的織物疵點圖像無能為力的問題進(jìn)行相關(guān)改進(jìn)。算法主要通過計算分割后的疵點圖像與原疵點圖像之間的相似度對閾值進(jìn)行調(diào)整,加強Otsu分割算法對于單峰類型圖像的自適應(yīng)能力。實驗結(jié)果表明,改進(jìn)的Otsu分割算法不僅可以實現(xiàn)對織物疵點圖像直方圖呈單峰時的較好分割效果,并且還在一定程度上保留了對織物疵點圖像直方圖呈雙峰時的良好分割效果,符合實驗預(yù)期效果。第三方面主要研究了神經(jīng)網(wǎng)絡(luò)技術(shù)在織物疵點檢測識別方面的應(yīng)用。主要采用神經(jīng)網(wǎng)絡(luò)模型densenet169... 

【文章來源】：天津工業(yè)大學(xué)天津市

【文章頁數(shù)】：56 頁

【學(xué)位級別】：碩士

【部分圖文】：

織物疵點類型

天津工業(yè)大學(xué)碩士學(xué)位論文62.2.1圖像尺寸大小規(guī)范在經(jīng)典圖像處理方法過程中，因數(shù)據(jù)庫中織物疵點圖像的疵點部分較小難以分割，需要對采集的織物疵點圖像針對疵點區(qū)域進(jìn)行截取，截取尺寸大小為256×256像素，如圖2-2所示。（a）截取圖像1（b）截取圖像2（c）截取圖像3（d）截取圖像4（e）截取圖像5圖2-2截取的織物疵點圖像當(dāng)我們對織物疵點圖像進(jìn)行截取之后，疵點較為明顯，數(shù)據(jù)較為整齊，便于后續(xù)實驗的進(jìn)行。2.2.2織物疵點圖像灰度化因不同織物具有不同的色彩紋理，因此采集到的織物疵點圖像色彩不一，而灰度圖像可以用較少的數(shù)據(jù)信息來表示彩色圖像的大部分特征，在模式識別、圖像分割和打印等領(lǐng)域都扮演著重要的角色[19]。為了便于后續(xù)實驗對織物疵點圖像進(jìn)行分割，需要對截取好尺寸的織物疵點圖像進(jìn)行灰度化處理。織物疵點圖像的灰度化處理主要是將一副三維的彩色織物疵點圖像轉(zhuǎn)換為一維的灰度織物疵點圖像。彩色圖像在日常生活中隨處可見，彩色圖像之所以色彩斑斕主要是因為在圖像當(dāng)中有三個分量分別控制了紅、藍(lán)、綠三種顏色在圖像當(dāng)中的所占比例，當(dāng)這三個比例有所偏差時，那么這幅圖像在色彩顯示上就會有所不同，因此如果要將彩色圖像處理為灰度圖像，只需要將這三個分量進(jìn)行相關(guān)調(diào)整，歷史研究表明，當(dāng)這三個分量分別相等時，彩色圖像呈灰度。在本實驗中，對于織物疵點圖像的灰度化處理主要使用了OpenCV中的cvtColor函數(shù)。通過對該函數(shù)的調(diào)用，可以直接將一副彩色的織物疵點圖像轉(zhuǎn)換為灰度圖像，簡單高效。圖2-3是實驗中所用到的一些彩色的織物疵點圖像。

第二章理論分析7（a）彩色圖像（b）彩色圖像2（c）彩色圖像3（d）彩色圖像4（e）彩色圖像5（f）彩色圖像6（g）彩色圖像7（h）彩色圖像8（i）彩色圖像9（j）彩色圖像10（k）彩色圖像11（l）彩色圖像12（m）彩色圖像13（n）彩色圖像14（o）彩色圖像15圖2-3彩色織物疵點圖像灰度化處理之后的灰度織物疵點圖像，如圖2-4。（a）灰度圖像1（b）灰度圖像2（c）灰度圖像3（d）灰度圖像4（e）灰度圖像5（f）灰度圖像6（g）灰度圖像7（h）灰度圖像8（i）灰度圖像9（j）灰度圖像10（k）灰度圖像11（l）灰度圖像12（m）灰度圖像13（n）灰度圖像14（o）灰度圖像15圖2-4灰度織物疵點圖像2.2.3直方圖均衡圖像亮度由于在采集過程中受到光線不均等因素影響，采集到的織物疵點圖像容易存在亮度不均衡問題，圖像整體過亮或者過暗，從而影響織物疵點圖像疵點的分割，因此采用直方圖均衡化，對灰度化之后的織物疵點圖像進(jìn)行亮度均衡，避免因亮

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)自適應(yīng)權(quán)重的三邊濾波立體匹配算法[J]. 潘衛(wèi)華,杜旭.  計算機(jī)工程與應(yīng)用. 2020(18)
[2]基于并聯(lián)卷積神經(jīng)網(wǎng)絡(luò)的SAR圖像目標(biāo)識別[J]. 李清,魏雪云.  電波科學(xué)學(xué)報. 2020(03)
[3]基于深度學(xué)習(xí)的語義分割算法綜述[J]. 趙霞,白雨,倪穎婷,陳萌,郭松,楊明川,陳鳳.  上海航天. 2019(05)
[4]基于改進(jìn)DenseNet網(wǎng)絡(luò)的乳腺癌自動診斷[J]. 劉巧利,閆航,賀鵬飛,楊信志,李彥杰.  計算機(jī)與數(shù)字工程. 2019(10)
[5]深度卷積神經(jīng)網(wǎng)絡(luò)的判別性人臉識別算法[J]. 任克強,胡慧.  華中科技大學(xué)學(xué)報(自然科學(xué)版). 2019(10)
[6]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識別過擬合問題分析與研究[J]. 謝璐陽,夏兆君,朱少華,張代慶,趙奉奎.  軟件工程. 2019(10)
[7]基于OpenCV的圖像處理技術(shù)在國畫中的應(yīng)用[J]. 張瑞,焦曉瓊.  自動化與儀器儀表. 2019(09)
[8]圖像識別技術(shù)在紡織品及服裝研究中的應(yīng)用[J]. 劉詠梅,洪雯婷,童衛(wèi)青.  浙江紡織服裝職業(yè)技術(shù)學(xué)院學(xué)報. 2019(04)
[9]基于深度學(xué)習(xí)的圖像檢索研究[J]. 楊馥溢,何嘉.  計算機(jī)與數(shù)字工程. 2019(09)
[10]深層卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測算法綜述[J]. 張澤苗,霍歡,趙逢禹.  小型微型計算機(jī)系統(tǒng). 2019(09)

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的織物圖像缺陷檢測定位算法研究[D]. 劉閃亮.中原工學(xué)院 2019
[2]基于自適應(yīng)線性加權(quán)的彩色圖像灰度化算法研究[D]. 李曉芳.蘭州大學(xué) 2019
[3]基于DenseNet的醫(yī)學(xué)圖像分割研究與應(yīng)用[D]. 唐明軒.成都信息工程大學(xué) 2018
[4]基于頻率調(diào)諧顯著和多尺度線性濾波的疵點分割方法研究[D]. 徐啟永.武漢紡織大學(xué) 2018
[5]基于非線性高斯濾波器的量測滯后信息處理方法研究[D]. 蘇安東.北京化工大學(xué) 2017



本文編號：3479525