織物紋理的表征和自動識別的研究.pdf

1、在織物生產(chǎn)過程中，織物的質(zhì)量控制如疵點檢測、起毛起球等級評定、織物褶皺評定等是非常重要的，然而傳統(tǒng)的檢測主要依靠人工檢測，由于受人為因素影響，誤檢率和漏檢率較高。隨著計算機技術的廣泛應用，織物的紋理分析開始實現(xiàn)自動化、智能化，其理論基礎是織物紋理的數(shù)字化表征?？椢飯D像紋理表征分析直接決定了織物組織參數(shù)和疵點自動檢測等研究的應用效果。在將計算機視覺應用于紡織品的外觀分析和檢測方面，織物紋理表征和分析在值得進行進一步深入的研究，對數(shù)字化紡織

2、的應用具有重要應用價值。
　　 織物紋理屬于周期性紋理，小波變換是周期性紋理圖像的特征表示方法中最主要的方法之一。本文正是基于自適應小波對紋理圖像進行特征提取，改善了傳統(tǒng)小波基非自適應的缺點，從織物圖像的疵點檢測的角度驗證了該織物紋理表征算法的可行性和有效性。
　　 本文采用自適應小波三層分解的方法來表征紋理。首先，本文簡單介紹了小波分析在機織物紋理表征上的應用及其在疵點檢測方面的驗證，經(jīng)過比較發(fā)現(xiàn)自適應小波分析適合織物

3、紋理的表征。其次，對織物圖像進行預處理后，通過逼近條件尋找與織物紋理相匹配的濾波器，提出兩種新的約束條件即小波系數(shù)紋理方向的波動性和灰度共生矩陣，與常用的能量和小波系數(shù)差等逼近條件相比，本文方法效果更佳。接著，關于自適應小波分解層數(shù)的確定，突破以往自適應小波單層分解，采用熵值減小程度作為分解終止信號，確定分解層數(shù)為三層。在確定了表征紋理的方法為自適應小波三層分解，以織物疵點檢測為例，判斷該方法的有效性。最后，將這種紋理表征的方法運用于平