基于分形模型的機(jī)織物疵點(diǎn)檢測(cè)研究.pdf

1、在紡織品生產(chǎn)過程中,質(zhì)量檢測(cè)與控制是非常重要的,機(jī)織物疵點(diǎn)檢測(cè)是其中極其重要的一部分。目前國內(nèi)織物檢測(cè)基本上是由人工來完成的,檢測(cè)時(shí)存在速度慢、效率低、誤檢率和漏檢率高等問題。隨著計(jì)算機(jī)技術(shù)的發(fā)展,計(jì)算機(jī)視覺已經(jīng)越來越多的應(yīng)用到工業(yè)生產(chǎn),基于計(jì)算機(jī)視覺的自動(dòng)驗(yàn)布也越來越受到人們的關(guān)注。
　　 本文研究的是基于分形模型的織物疵點(diǎn)檢測(cè),利用一維分形提取織物特征來實(shí)現(xiàn)織物疵點(diǎn)的檢測(cè),具體研究內(nèi)容及主要結(jié)果如下:
　　 1.為了

2、充分利用織物紋理,并大幅度減少計(jì)算量,將織物紋理圖像的灰度值分別沿縱、橫方向投影得到一維時(shí)間序列提取分形特征。根據(jù)Fisher判別準(zhǔn)則優(yōu)選了兩個(gè)具有一定互補(bǔ)性而又能最大限度區(qū)分正常與疵點(diǎn)樣本的時(shí)間序列盒維數(shù)組成特征向量,對(duì)11種具有不同紋理背景的織物進(jìn)行了疵點(diǎn)檢測(cè)。實(shí)驗(yàn)結(jié)果表明,在一定的閾值范圍內(nèi),誤檢率和漏檢率同時(shí)控制在10％以內(nèi),進(jìn)而表明采用本方法能夠有效區(qū)分正常與疵點(diǎn)紋理。
　　 2.為了驗(yàn)證提取的兩個(gè)特征值的有效性,采用

3、了主成分分析的方法從大量特征值中提取方差貢獻(xiàn)率總和80%左右的主成分對(duì)織物疵點(diǎn)進(jìn)行檢測(cè)。檢測(cè)結(jié)果表明:采用主成分分析方法并沒有獲得更好的檢測(cè)效果卻使計(jì)算量大大增加。充分說明了文中提取的兩個(gè)特征值的有效性。
　　 3.將織物灰度圖像視為其相對(duì)高度與象素點(diǎn)灰度成正比的三維曲面,提取該曲面二維分形特征。利用提取分形特征的方法對(duì)稀緯、百腳、斷經(jīng)、竹節(jié)、跳花等疵點(diǎn)進(jìn)行檢測(cè)并與一維分形檢測(cè)結(jié)果和程序運(yùn)行時(shí)間進(jìn)行對(duì)比。對(duì)比結(jié)果顯示:一維分形特

4、征提取程序運(yùn)行時(shí)間大約是二維特征的20%,但是二維并沒有取得更好的檢測(cè)效果,部分疵點(diǎn)檢測(cè)效果不如一維分形檢測(cè)。
　　 4.在上述處理中各種疵點(diǎn)樣本織物圖像分塊大小均為32×32*像素。由于分塊大小會(huì)影響疵點(diǎn)尺寸在小塊中所占的比例,所以討論了分塊大小對(duì)檢測(cè)結(jié)果的影響。對(duì)存在雙緯、斷經(jīng)等疵點(diǎn)的織物圖像分塊大小為28×28、20×20、16×16時(shí)分別作了檢測(cè)并比較了檢測(cè)結(jié)果。對(duì)比結(jié)果表明:當(dāng)疵點(diǎn)紋理在小塊中所占的比例較小的時(shí)候,檢測(cè)