论文部分内容阅读
在纺织品生产中,织物疵点检测是质量控制中非常重要的一个环节。传统的织物疵点检测是由人工离线检测来完成的,受到人的主观因素的影响,存在着误检率和漏检率高、检测速度慢的缺陷。随着计算机技术、图像处理技术的发展,使得基于计算机视觉的织物疵点检测识别成为可能。利用计算机视觉对织物疵点进行检测,为判定织物疵点的种类、大小以及对产品质量的评估制定客观标准打下了基础。
本文围绕织物疵点检测这一主题,以快速检测为指导思想,利用自适应小波为工具,先后根据图像自身的特点和织物图像特有的经纬特性,提出了基于织物图像的类五铢压缩小波变换算法和基于织物图像经纬重复周期的多分辨率小波分析方法,使得图像检测时间缩小为原来的1/4-1/3。并选取了合适的特征值,对变换处理后图像中织物的疵点进行了识别,效果理想。本文的研究内容和成果包括:
(1)针对减少检测数据可以采用图像的压缩,而图像压缩中常采用的五铢压缩不能进行可分离分解的问题,本文采用了两次四抽取图像采样来模拟五铢压缩。四抽取是可分离的,其模拟后的压缩也是可分离的,因此将二维数据分解为一维数据,便于采用自适应小波进行分析。通过这种图像压缩,数据计算量减少了1/2多。同时,提出可以在小波检测中采用图像的邻域插值,进而缩短所用的小波系数序列的长度。
(2)本文根据织物图像具有很强的方向性,并且其经纬有固定的重复周期的特性,提出了根据织物图像中经纬重复周期的长度来确定采用的多分辨率小波的尺度。这样就可以不采用图像的压缩,直接对图像进行处理。在本文实验中,采用尺度为2的小波进行分析。这种方法具有比较好的灵活性。
(3)对经过小波分析的图像,利用疵点区域外接矩形的方法,提取了其经纬向疵点的长度,并对疵点位置进行标记。通过计算经纬向疵点的扁度,标记区域原图的平均灰度,疵点区域的面积,来识别疵点,有别于以往的基于整幅图像的经纬向方差、能量、极差、熵等特征值来对疵点进行识别的方法。