论文部分内容阅读
织物质量控制在纺织品行业中的作用至关重要。疵点是影响织物等级的一个重要因素,传统人工离线识别分类疵点的方式存在着工作量大、速度慢和分类正确率低等缺点。随着计算机视觉和模式识别技术研究的深入,织物疵点自动识别分类逐渐成为织物品质监控的必然趋势。当前,织物疵点自动识别分类领域虽然取得了一定的研究成果,但由于采集的图像易受光照变化、噪声等影响及疵点种类繁多等问题,使之仍是一个颇具挑战性的研究课题。本文针对纯色纺织布织造中常见的8类疵点,对疵点图像预处理、特征提取、识别分类和织物质量自动评定等展开研究,主要工作如下:第一,建立了织物疵点数据库。结合实际采集图像的特点,通过设置合适的阈值,设计了一种能自动地选择直方图均衡化和滤波消噪的预处理方法。第二,针对疵点图像Mallat分解后的高频分量直接窗口分割并提取特征时其小波特征曲线在非疵点区光滑性较差的问题,设计了一种基于小波系数差值的织物疵点特征值提取方法。将小波分解后第3层经纬向高频系数分别与第一次平滑重构系数作差,选取能量、熵和方差作为织物疵点小波系数差值特征并绘制其特征曲线图。实验证明了该方法尤其适用于纹理明显的织物疵点和片状瑕疵,而且还能有效完成织物疵点的定位。第三,针对最小二乘支持向量机分类器计算复杂度较大及缺乏稀疏解的问题,提出了一种基于反向拟合的快速稀疏逼近最小二乘支持向量机的织物疵点识别分类方法。该分类机采用径向基核函数、“网格”式区域搜索最优(C,γ)参数及“一对一”多分类算法对疵点进行分类,留一法交叉验证确保该算法的鲁棒性。实验结果表明,本文所提疵点识别分类算法对混合疵点样本正确分类率达90.33%,且训练耗时较短,其分类性能优于最小二乘支持向量分类机和BPNN分类器。最后,对美标四分制评分标准进行转换,设计了一种基于图像处理的织物疵点自动评分方法和织物等级自动评定方法。该评分法对疵点评定精度达2.8mm。该方法较人工疵点评分和织物定级更加客观高效。