本文關(guān)鍵詞：基于視覺(jué)顯著圖構(gòu)建的織物疵點(diǎn)圖像分割　出處：《西安工程大學(xué)》2015年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 圖像分割 視覺(jué)顯著性機(jī)制 顯著圖構(gòu)建 Gabor濾波器組

【摘要】：在紡織企業(yè)中,織物疵點(diǎn)檢驗(yàn)是由檢驗(yàn)人員在驗(yàn)布機(jī)上完成的。然而,這種基于人工視覺(jué)的檢測(cè)方法通常不能滿足實(shí)際在線檢測(cè)的需要。因此,研發(fā)基于機(jī)器視覺(jué)的自動(dòng)檢測(cè)設(shè)備顯得尤為重要,而這種自動(dòng)檢測(cè)設(shè)備研發(fā)的關(guān)鍵在于圖像處理算法的研究。然而,織物圖像中的疵點(diǎn)灰度通常與正常紋理灰度比較接近,因此,傳統(tǒng)的圖像處理方法很難實(shí)現(xiàn)其完整分割。本文首先通過(guò)分析人類視覺(jué)顯著性機(jī)制機(jī)理,在參考Itti模型和Stentiford模型的基礎(chǔ)上,優(yōu)化改進(jìn)了Itti視覺(jué)顯著性計(jì)算模型。然后,將小波變換和傅里葉變換用于織物圖像的亮度顯著圖構(gòu)建,并提出一種織物圖像的整體亮度顯著性度量和提高方法,以及基于傅里葉變換能量譜殘差的局部亮度顯著性度量方法。其次,本文通過(guò)分析織物圖像本身的特點(diǎn)來(lái)優(yōu)化設(shè)計(jì)用于提取織物圖像方向特征的Gabor濾波器組,大大提高了織物圖像的方向特征提取和方向顯著圖構(gòu)建效率。最后,通過(guò)對(duì)織物圖像的顯著圖分別進(jìn)行閾值分割并線性融合形成疵點(diǎn)信息。實(shí)驗(yàn)表明,與經(jīng)典算法相比,本文方法通過(guò)構(gòu)建顯著圖增加了織物疵點(diǎn)的顯著性,能夠提高織物疵點(diǎn)圖像分割的準(zhǔn)確率和完整性;本文研究成果將為織物疵點(diǎn)在線檢測(cè)提供理論支持。
【學(xué)位授予單位】：西安工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前7條

1 管聲啟;;方向性紋理織物疵點(diǎn)檢測(cè)方法研究[J];計(jì)算機(jī)工程與科學(xué);2011年03期

2 付蓉;石美紅;陳惠娟;;自適應(yīng)局部二值模式算法及其在織物疵點(diǎn)檢測(cè)中的應(yīng)用[J];紡織高校基礎(chǔ)科學(xué)學(xué)報(bào);2010年01期

3 管聲啟;石秀華;宋玉琴;;基于小波分解的織物疵點(diǎn)檢測(cè)[J];昆明理工大學(xué)學(xué)報(bào)(理工版);2009年01期

4 韓潤(rùn)萍;孫蘇榕;姜玲;;基于Gabor濾波器組的織物疵點(diǎn)檢測(cè)方法[J];計(jì)算機(jī)工程與應(yīng)用;2007年07期

5 林亞忠,陳武凡,楊豐,周壽軍;基于混合金字塔吉布斯隨機(jī)場(chǎng)模型的圖像分割[J];中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào);2004年01期

6 李立輕 ,黃秀寶;Fabric Defect Detection Using Adaptive Wavelet Transform[J];Journal of DongHua University;2002年01期

7 吳高洪,章毓晉,林行剛;基于分形的自然紋理自相關(guān)描述和分類[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2000年03期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 張巧榮;視覺(jué)注意計(jì)算模型及其關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2011年

2 楊俊;圖像數(shù)據(jù)的視覺(jué)顯著性檢測(cè)技術(shù)及其應(yīng)用[D];國(guó)防科學(xué)技術(shù)大學(xué);2007年

3 李立輕;基于計(jì)算機(jī)視覺(jué)的織物疵點(diǎn)自動(dòng)檢測(cè)研究[D];東華大學(xué);2003年

，

本文編號(hào)：1309400