基于機器視覺的坯布疵點檢測方法研究.pdf

1、織物疵點檢測是紡織品質(zhì)量在線監(jiān)控中的關(guān)鍵環(huán)節(jié)。鑒于傳統(tǒng)的疵點檢測方法存在速度慢、準確率低、經(jīng)驗水平要求高等問題，不能夠適應(yīng)現(xiàn)代化大規(guī)模生產(chǎn)的需要，而國外現(xiàn)有成型檢測設(shè)備價格過高，難以普遍推廣，亟需研發(fā)具有自主知識產(chǎn)權(quán)的織物疵點在線監(jiān)測設(shè)備。本文研究主要針對坯布在線檢測中的算法方面展開。
　　多尺度分解方法符合人類視覺皮層對圖像有效表示的要求，能夠最優(yōu)的表示二維奇異信號。相對于小波多尺度和輪廓波變換方法而言，非下采樣輪廓波變換(NS

2、CT)具有多方向性、平移不變性和對信號的稀疏表達特性，在二維圖像信號表示上性能更出色。本文詳細的介紹了NSCT變換的基本原理，提出了一種基于NSCT分解的疵點在線檢測算法。首先，對采用高斯濾波預(yù)處理后的圖像進行NSCT分解，得到一個低頻子圖和8個高頻帶通子圖。對于低頻子圖，采用非線性增益和改進的數(shù)學(xué)形態(tài)學(xué)方法對其特征進行增強，再利用全局閾值法實現(xiàn)疵點的預(yù)判與粗定位。對判斷出存在疵點的圖像，選出方向響應(yīng)最強的2幅帶通子圖進行融合。在此基礎(chǔ)

3、上，本文提出的基于NSCT的標準差檢測方法能較好的排除干擾、捕捉疵點輪廓信息。
　　為實現(xiàn)織物疵點的有效分類，本文將局部特征與全局特征相結(jié)合，采用主成分分析(PCA)的特征篩選方法和BP神經(jīng)網(wǎng)絡(luò)進行疵點類型識別。在這個過程中，首先從局部二值模式(LBP)特征圖中提取其灰度共生矩陣(GLCM)特征，然后采用PCA方法對特征矩陣進行篩選，最后將得到的主成分數(shù)據(jù)輸入到訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)進行疵點類型判定。本文實驗以坯布中常出現(xiàn)的5類疵點