隨著紡織工業(yè)對于布匹生產效率和品質的要求的增長,人工檢測已越來越難以滿足其的發(fā)展需要,目前已有的檢測方法存在著成本高、召回率低和精準率差等問題,因此開發(fā)出一套高效的自動化檢測的技術迫在眉睫。基于圖像識別的布匹瑕疵自動檢測作為當前人工智能領域研究熱點之一,能極大地提升紡織行業(yè)的生產效率和產品質量。本文針對常見布匹瑕疵的檢測問題,圍繞基于淺層特征的瑕疵檢測方法,提出了一種多特征融合的算法;同時基于深度學習方法,針對兩種典型網絡Alex Net和Le Net進行了改進。首先,針對當前布匹圖像特征的主流提取算法的特征表述存在不完善、數(shù)據(jù)冗余和特征表達能力有限制等問題,提出了基于Laws紋理特征和Gabor特征的詞向量融合分類算法,提取圖像紋理和空間上的點、線、邊緣、能量等特征,并在單一特征提取方法和特征融合方法上進行對比實驗。結果表明:所提出的多特征融合布匹瑕疵分類方法在布匹瑕疵分類的準確率和召回率上均達到了74.7%,相較基于Gabor特征的方法F1值提升了3%,較基于Laws紋理特征的方法提升了6.9%,能顯著提升分類精度,較好地解決了布匹瑕疵固有屬性特征表達不完整的問題。其次,針對傳統(tǒng)布... 

【文章來源】：上海師范大學上海市

【文章頁數(shù)】：57 頁

【學位級別】：碩士

【部分圖文】：

a1、a2、a3為樣本原圖；b1、b2、b3為中值濾波去噪后的圖像；c1、c2、c3為維

第2章布匹瑕疵分類的相關研究上海師范大學碩士學位論文16結構相似性(SSIM)是基于圖像的亮度、對比度結構的定義，具體表示為：()()()()()xy1xy22222xy1xy22μμ+C2δ+CSSIMX,Y=μ+μ+Cδ+δ+C公式（2-5)其中，xyδ表示圖像的協(xié)方差，且C1、C2為常數(shù)，SSIM取值范圍為[0.1]，值越大表示失真越校通過圖2-2對比可以看出，本文布匹瑕疵圖像選擇融合濾波去噪效果更優(yōu)。圖2-3PSNR和SSIM性能比較2.3布匹瑕疵分類的評估指標布匹瑕疵分類屬于多分類問題，對于多分類問題，我們可以采用兩種方式進行評估：

上海師范大學碩士學位論文第2章布匹瑕疵分類的相關研究19圖2-4Laws紋理測量過程2.4.2基于頻譜分析的方法如果織物紋理結構的規(guī)律性強，則可使用頻譜法來檢測瑕疵點。對于復雜的織物空間域而言，為了迅速定位瑕疵點，有必要進行頻域分析。在國內外文獻中，都有記載以頻譜法為基礎的成功織物瑕疵檢測案例。在對規(guī)律性的織物紋理背景進行檢測時，Hu[36]使用了由傅立葉分析、小波變化組合的無監(jiān)督算法。Li[37]通過小波變換提取邊緣缺陷，表現(xiàn)出了局部時頻特性，適合用于檢測織物瑕疵。但是，如果缺陷存在平滑灰度差異，則盡量不使用小波變換。如果在檢測中有模擬人眼需求，可使用Gabor濾波器。如果濾波操作的方向廣、角度多，則會增加計算難度。鑒于此，Tong等[38-40]探索出了單方向、單角度的濾波操作。Jing[41]在融合了Gabor濾波器、遺傳算法后，探索出了兼具濾波與閾值處理的檢測法。2.4.3基于隨機模型的方法在“雙緯”、“斷經”等類型的疵點檢測中，有的學者通過構建模型的方式成功地檢測到了織物的疵點。在復雜的紋理輪廓條件下，空間域、頻域的性能受到了限制。為了突破局限，人們在檢測織物疵點的過程中應用了不同的模型。通過觀察模型參數(shù)特征，便可以判斷出織物有無瑕疵。例如，楊曉波[42]在檢測時構建了能夠反映織物紋理的GRMF模型。如果織物不存在瑕疵，那么GRMF模型參數(shù)將保持固定。相反，當織物存在疵點時，模型參數(shù)將出現(xiàn)變化。不難發(fā)現(xiàn)，模型法能直觀地對織物疵點進行判斷，表達能力強。但是，為了達到這一效果，必須進行大量的計算。1992至2002年，提出一種特征表示的二維AR模型，并與自然曲面分類和皮革缺陷分類的多分辨率金字塔相配合。AR模型方法對小寬度的缺陷很敏感，并且容易受到光照的影響。模型?

【參考文獻】：
期刊論文
[1]Laws紋理能量結合灰度共生矩陣的遙感影像面狀地物提取[J]. 李光,姜春雪,劉爭戰(zhàn),王立偉.  測繪與空間地理信息. 2017(07)
[2]采用傅里葉描述子和支持向量機的服裝款式識別方法[J]. 李東,萬賢福,汪軍.  紡織學報. 2017(05)
[3]應用方向梯度直方圖和低秩分解的織物疵點檢測算法[J]. 李春雷,高廣帥,劉洲峰,劉秋麗,李文羽.  紡織學報. 2017(03)
[4]應用深度卷積神經網絡的色織物缺陷檢測[J]. 景軍鋒,范曉婷,李鵬飛,洪良.  紡織學報. 2017(02)
[5]基于顯著紋理特征的織物疵點檢測方法[J]. 石美紅,張正,郭仙草,陳永當.  紡織學報. 2016(10)
[6]基于稀疏編碼字典學習的疵點檢測[J]. 劉綏美,李鵬飛,張蕾,張宏偉,張緩緩,景軍鋒.  西安工程大學學報. 2015(05)
[7]基于Gabor小波和神經網絡的布匹瑕疵檢測[J]. 何薇,白瑞林,李新.  計算機工程與應用. 2016(12)
[8]基于MRF與紋理特征的圖像深度信息估計[J]. 陳婷婷,張立志,趙志杰,孫華東,金雪松.  哈爾濱商業(yè)大學學報(自然科學版). 2015(02)
[9]基于紋理結構異常的織物疵點檢測算法研究[J]. 劉洲峰,趙全軍,李春雷,董燕,閆磊.  中原工學院學報. 2014(03)
[10]基于熵和變異度的織物疵點圖像分割方法[J]. 王松偉,石美紅,張正,郭仙草.  西安工程大學學報. 2014(02)

博士論文
[1]布匹疵點在線檢測系統(tǒng)研究[D]. 鄒超.華中科技大學 2009

碩士論文
[1]基于深度特征和低秩分解的織物疵點檢測算法研究[D]. 王寶瑞.中原工學院 2018
[2]織物疵點檢測算法研究和系統(tǒng)實現(xiàn)[D]. 尉苗苗.江南大學 2017
[3]基于深度卷積神經網絡的圖像美感評估研究[D]. 王勵.華南理工大學 2016
[4]布匹瑕疵實時視覺檢測技術的研究與開發(fā)[D]. 何薇.江南大學 2015
[5]布匹瑕疵檢測技術的研究與開發(fā)[D]. 王明景.江南大學 2014
[6]基于支持向量機的圖像分類研究[D]. 汪斌.浙江大學 2013
[7]實時布匹瑕疵檢測技術研究[D]. 張軼.天津工業(yè)大學 2005



本文編號：3262753