織物的疵點檢測是紡織自動化檢測的重要組成部分。對平紋或斜紋的素織物的疵點檢測,已經(jīng)較為成熟,圖案織物圖像由于圖案多樣且紋理復(fù)雜、瑕疵形態(tài)各異等問題,現(xiàn)有疵點檢測算法檢測效果不佳。本文針對圖案織物疵點檢測的不足,開展了基于特征表示的圖案織物的疵點檢測算法研究,主要研究工作如下:(1)提出以“均值hash特征描述子”表示圖案織物的均值hash特征和灰度特征,實現(xiàn)了圖案織物的疵點檢測。首先,基于圖案織物的周期性,構(gòu)建了無疵點織物的均值hash特征詞典;然后,提取測試織物圖像塊中的均值hash特征和灰度特征;通過圖像塊的均值hash特征與詞典進行匹配,利用漢明距離表示差異度,獲得了結(jié)構(gòu)顯著圖;將圖像塊的灰度特征與全局灰度平均值比較,得到灰度顯著圖;最后,融合顯著圖,實現(xiàn)了缺陷區(qū)域的定位。(2)提出了基于非負(fù)矩陣分解的疵點檢測方法。首先,利用距離匹配函數(shù)確定圖案的周期,并以周期大小的圖像塊為檢測樣本。利用非負(fù)矩陣分解法得到圖像塊的系數(shù)矩陣并轉(zhuǎn)換為向量矩陣,將其做為圖像塊唯一的特征表示;根據(jù)正常樣本確定標(biāo)準(zhǔn)系數(shù)特征和相似準(zhǔn)則。對比測試樣本的系數(shù)特征和標(biāo)準(zhǔn)系數(shù)特征,根據(jù)建立的相似準(zhǔn)則判定圖像塊是否包...

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１．２素織物疵點檢測算法??

織物自檢系統(tǒng)的核心在于缺陷檢測算法，它直接影響系統(tǒng)的性能。根據(jù)不同的織物??檢測對象，通�？梢詫⒋祟愃惴ǚ譃閮煞N：１）針對素織物的疵點檢測算法；２）針對圖??案織物的疵點檢測算法。常見織物及其存在的疵點如圖１．１所示。圖１．１（ａ）是素織物圖??像，它正常的紋理部分表面素潔、無花....

圖１．３工業(yè)機器視覺系統(tǒng)示意圖

物圖像出現(xiàn)拉伸的情況時，周期能量偏差大，檢測不理想。??１．２．２織物疵點檢測系統(tǒng)??典型的工業(yè)機器視覺系統(tǒng)如圖１．３所示。諸如ＣＣＤ相機的圖像采集裝置收集待測??４??

圖２．１均值ｈａｓｈ特征提取過程，�。�?＝８．??

其中ＪＣ（Ｚ＇），分別代表兩個二值化序列的第ｆ?zhèn)�數(shù)，？為異或操作。兩個二值化序列??通過異或操作，求和后算出漢明距離，其值的大小能表現(xiàn)出兩個圖像塊之間的差異度。??圖２．１展示了圖像塊的均值ｈａｓｈ特征提取過程。計算過程中，保留了圖像的灰度平均值??作為灰度特征。??＿縮ｙ??■....

圖２．５本章所提算法流程圖??主要算法流程包括以下步驟：??

（ａ）正�？椢锲ヅ湓~典結(jié)果統(tǒng)計?（ｂ）缺陷織物匹配詞典結(jié)果統(tǒng)計??圖２．４織物匹配詞典的結(jié)果??Ｄ（ｉ，?ｊ）?＝?＾?＞?９?２－（?１０）??１?０，?Ｄ｛ｉ，ｊ）＜ｅ?、’??２．２．４疵點檢測算法流程??本章基于均值ｈａｓｈ特征和灰度特征相結(jié)合的疵點檢測流程如圖２．５所示....

本文編號：3962509