布料作為輕工業(yè)的重要原材料,其質量一直是紡織行業(yè)中的各類企業(yè)所重視的核心問題之一。早先由于技術的限制,布料表面的質量檢測一直是依賴流水線上的工人的眼睛進行人工檢測,存在著諸如錯誤率高、標準難以統(tǒng)一、受人為因素影響較大等問題。隨著近些年來技術的發(fā)展,布料的自動化檢測技術被越來越多的應用在工廠的實際生產中,使得行業(yè)的標準化成為可能,同時也促進了相關行業(yè)的發(fā)展。隨著相關技術的發(fā)展,誕生了許多種基于機器視覺的不同算法,這些具體的方法可以大致分為統(tǒng)計法、頻譜法、基于模型的方法和近些年誕生的基于機器學習和神經網絡的新檢測方法。本文針對布料疵點檢測中所遇到的實際問題進行了以下工作:1.基于灰度梯度增強和圖像非局部自相似性的布料疵點檢測算法。針對基于圖像非局部自相似（NSS）的檢測方法不能有效地檢測到小型的線性疵點的問題,在原有的檢測方法中引入基于圖像灰度密度函數的方法來對于疵點區(qū)域進行增強,從而解決原有算法對于小型的線性疵點檢測能力不足的問題,即基于增強的NSS疵點檢測方法（ENSS）。實驗結果表明該算法在保證原有檢測性能的前提下解決了原有算法對于小型線性疵點缺乏檢測能力的問題。2.基于Haar小波... 

【文章來源】：南京信息工程大學江蘇省

【文章頁數】：58 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
        1.1.1 織物疵點檢測的意義和發(fā)展
        1.1.2 國內外織物疵點檢測技術現(xiàn)狀
        1.1.3 布料自動化檢測系統(tǒng)的結構
        1.1.4 織物疵點檢測領域當前所遇到的挑戰(zhàn)
    1.2 主要工作和內容安排
    1.3 本章小結
第2章 相關知識介紹
    2.1 基于統(tǒng)計學檢測方法簡介
        2.1.1 灰度共生矩陣
        2.1.2 數學形態(tài)學
        2.1.3 分形方法
        2.1.4 雙層閾值
        2.1.5 局部線性變換
    2.2 基于頻譜的檢測方法簡介
        2.2.1 傅里葉變換
        2.2.2 小波變換
        2.2.3 Gabor濾波器
        2.2.4 濾波法
    2.3 基于模型的檢測方法
        2.3.1 自回歸模型
        2.3.2 馬爾可夫隨機場模型
    2.4 其他檢測方法
    2.5 本章小結
第3章 基于灰度梯度增強和圖像非局部自相似性的布料疵點檢測算法
    3.1 圖像的預處理及基于灰度梯度的增強
    3.2 基于圖像非局部自相似性的檢測方法
    3.3 實驗結果與分析
        3.3.1 參數設置
        3.3.2 實驗結果
    3.4 本章小結
第4章 基于Haar小波分解與分塊方差的布料疵點檢測算法
    4.1 圖像的預處理
    4.2 Haar小波分解
        4.2.1 尺度函數與小波函數
        4.2.2 Haar小波與Haar小波的分解與重構
    4.3 基于圖像分塊與方差閾值的疵點檢測算法
    4.4 實驗結果
        4.4.1 參數設置
        4.4.2 實驗結果
    4.5 本章小結
第5章 總結與展望
    5.1 工作總結
    5.2 工作展望
致謝
參考文獻
作者簡介


【參考文獻】：
期刊論文
[1]基于樹莓派的深度學習色織物疵點檢測研究[J]. 曹振軍,景軍鋒,蘇澤斌,張緩緩.  棉紡織技術. 2019(01)
[2]基于機器視覺的疵點檢測方法的研究進展[J]. 王孟濤,李岳陽,杜帥.  現(xiàn)代紡織技術. 2019(05)
[3]基于改進判別性完整局部二值模式與格分割的織物瑕疵檢測方法[J]. 趙樹志,狄嵐,何銳波.  紡織學報. 2018(09)
[4]基于視覺顯著性的織物起球客觀等級評價[J]. 管聲啟,何建新,洪奔奔,王立中,梁洪.  東華大學學報(自然科學版). 2018(01)
[5]基于圖像處理的織物疵點檢測算法綜述[J]. 劉小敏,劉國高,宗國華,張卓,張學武,劉宇興.  微處理機. 2016(01)
[6]基于機器視覺和圖像處理的織物疵點檢測研究新進展[J]. 李文羽,程隆棣.  紡織學報. 2014(03)
[7]基于小波靜態(tài)分解的離散小疵點檢測[J]. 管聲啟,石秀華,王筠.  天津工業(yè)大學學報. 2010(05)



本文編號：3190945