基于數(shù)字圖像處理的機織物結構參數(shù)識別.pdf

1、機織物結構參數(shù)包括經(jīng)緯紗特數(shù)、密度和織物組織,色織物還包括色紗排列參數(shù)。在紡織工廠,除經(jīng)紗和緯紗的特數(shù)確定通常采用取樣稱重、計算而得,其他參數(shù)目前仍依靠專門的檢測人員在放大鏡等輔助設備的幫助下分析完成,這種人工分析機織物結構參數(shù)的方法不僅耗時費力、效率低下,而且檢測結果會受到測試人員的主觀因素影響,不同測試人員的檢測結果可能出現(xiàn)較大差異。當前紡織生產已呈現(xiàn)小批量、多品種的發(fā)展趨勢,紡織工廠需要一種快速、準確的機織物結構參數(shù)分析方法。為此

2、,本文研究如何利用數(shù)字圖像處理技術,實現(xiàn)機織物結構參數(shù)(不包含經(jīng)緯紗線特數(shù))的自動識別。
　　 本文的研究主要涉及以下內容:機織物圖像的自動糾偏理論與方法;機織物經(jīng)緯紗密度的自動識別;單色織物的組織識別;色織物的色紗排列、配色模紋圖及組織的識別?，F(xiàn)將各章內容簡要介紹如下:
　　 第一章簡要介紹論文的選題背景及意義。概述了國內外有關基于圖像處理技術的機織物結構參數(shù)自動識別的研究現(xiàn)狀。分析了國內外研究存在的不足,并提出了研究

3、色織物結構參數(shù)自動識別的問題。
　　 第二章涉及機織物圖像的采集方法和糾偏理論。就采集機織物圖像的掃描分辨率、圖像尺寸等參數(shù)選擇進行了探討。針對機織物圖像采集存在著的偏斜問題,給出了自動糾偏方法。
　　 第三章實現(xiàn)了機織物紗線密度的自動檢測。首先按照織物中色紗組成將織物分成單色織物、單系統(tǒng)多色織物和雙系統(tǒng)多色織物等三種類型,分別采用不同的方法完成三種織物密度的自動測定。對于單色織物,基于Hough變換完成織物中紗線偏斜角

4、度的自動檢測,并利用灰度投影法完成織物圖像中紗線的自動定位,從而實現(xiàn)單色織物紗線密度的自動檢測;對于單系統(tǒng)多色織物,利用FCM算法在Lab顏色空間下對織物進行分色,使得截取的子圖像中只含有一種或兩種顏色的紗線,進而實現(xiàn)單系統(tǒng)多色織物紗線密度的自動檢測;對于雙系統(tǒng)多色織物,利用彩色梯度圖像對紗線的邊緣信號進行增強,并采用灰度投影法和互相關分析法完成雙系統(tǒng)多色織物紗線密度的自動檢測。
　　 第四章涉及單色織物組織的自動識別。首先基于

5、紗線分割結果完成組織點的定位,提取每個組織點的灰度均值及其方差特征,灰度共生矩陣的能量、熵特征,利用FCM算法結合上述特征參數(shù)對組織點進行初步識別。然后以組織點的初步識別結果為基礎,提出采用BP神經(jīng)網(wǎng)絡和組織數(shù)據(jù)庫兩種方法完成織物組織的最終識別,分析實例表明兩種方法都有著較好的織物組織識別效果。
　　 第五章實現(xiàn)了色織物配色模紋圖的自動識別。在識別過程中,首先利用雙系統(tǒng)多色織物密度檢測的方法完成紗線和組織點的定位,提取每個組織點

6、的顏色特征,然后基于FCM算法完成色紗數(shù)目的自動提取和組織點的顏色分類,最后基于組織點的顏色分類結果得到色織物的配色模紋圖。
　　 第六章涉及色織物的色紗排列參數(shù)和組織的自動識別。給出了兩者識別方法,方法一是基于色織物圖像直接識別出色紗排列參數(shù),首先利用FCM算法,在Lab顏色空間下對色織物圖像進行自動分色,然后遍歷分色后的子圖像,判斷出每根紗線的顏色,得到經(jīng)紗和緯紗的排列參數(shù),完成經(jīng)緯色紗周期的自動提取,得到色紗排列參數(shù)。方法

7、二是基于配色模紋圖識別出色紗排列參數(shù)識別,分別采用遺傳算法和邏輯分析法完成基于配色模紋圖的色紗排列參數(shù)的識別。
　　 在完成配色模紋圖和色紗排列參數(shù)識別后,利用色紗排列、配色模紋圖和織物組織之間的關聯(lián)性,自動求解出組織點經(jīng)緯屬性,實現(xiàn)色織物組織的初步識別,再利用組織數(shù)據(jù)庫方法完成色織物組織的最終識別。
　　 第七章對全文進行了總結和展望。給出了本文的主要進展及存在的問題,對基于圖像處理的織物結構參數(shù)識別的進一步研究提出了