论文部分内容阅读
纺织品表面的瑕疵对于纺织品的价值有很大影响,及时发现并修复生产线上出现的瑕疵是十分必要的。目前在国内工厂中的主流验布方式是人工验布,因为其不可避免的检测速度慢,检测准确性不能保证,易受主观影响,以及对检测人员眼睛和身体的损伤较大等不利的特点,势必需要研究提出符合工业生产和发展的自动化验布系统。局部二进制模式(LBP)作为一种纹理描述算子被提出,因为其具有对于纹理局部信息描绘突出,分类能力很强,计算效率很高,以及不受单调的灰度变化所影响等特点,近年来被广大国内外学者广泛应用于纹理分类、人脸特征描述及识别以及图像检索分析等领域,效果也比较突出显著。在此借助于LBP算子在各领域的良好使用情况,进行课题项目中纺织品的自动化检测系统设计。纺织品瑕疵的检测和分类算法是整个自动化检测系统的灵魂部分,本文在LBP算法的基础上对课题做了以下研究:1.LBP算子的介绍。对于LBP算子的产生加以描述,对LBP算法的计算方式、统计规律、近年来对于LBP算法的深入研究后的改进方法以及最终用于描述图像纹理的特征值的方法做一详细介绍和归纳总结。2.针对纺织品的疵点检测,利用LBP算法进行系统软件的设计。首先利用LBP算子提取无疵点织物图像整体的特征值,再将无疵点织物图片分为小的检测窗口,获取每个窗口的特征值,对特征值进行相似度比较得出阈值,然后再对疵点图片进行相同处理,其相似度与阈值比较,得到疵点区域,从而检测出疵点。3.对LBP算法加以改进,在LBP算法的基础上引入邻域内像素灰度值的均值mg和方差sg两个新的参量,以新参量为阈值对中心像素进行编码,从而减少基本LBP算法在编码时部分有用信息的丢失。再结合SOM神经网络的良好聚类能力,将特征值输入SOM神经网络,通过对特征值的分类分割出织物图像的疵点信息,达到疵点检测的目的。4.针对纺织品的疵点分类,提出一种LBP和灰度共生矩阵相结合的织物疵点分类方法。首先利用LBP算法提取图像的局部特征信息,再通过灰度共生矩阵算法对图像全局的纹理信息加以描述,从而从整体和局部全面描述织物图像。最后将两部分特征信息规整为一个整体作为改进的BP神经网络的输入,训练好的网络就可以对不同类型的疵点进行分类识别。