基于計(jì)算機(jī)視覺的染色品顏色分類及光照校正算法研究.pdf

1、人民生活水平的日益提高促使著紡織品印染行業(yè)的快速發(fā)展，精確的顏色質(zhì)量控制則顯得尤為重要。采用計(jì)算機(jī)視覺代替人眼進(jìn)行紡織品色差的智能評定成為相關(guān)高校及科研機(jī)構(gòu)的研究熱點(diǎn)。
　　 在基于計(jì)算機(jī)視覺的染色品色差檢測系統(tǒng)中，需要解決的問題主要包括:待測圖像的采集、顏色特征的提取及建模、染色品顏色的自動分類以及圖像的光照校正等。
　　 本論文的主要研究工作和結(jié)果如下:
　　 (1)染色品色差檢測中特征的提取及建模的研究。如

2、何建立一個(gè)魯棒而有效的顏色特征模型是檢測系統(tǒng)能否進(jìn)行實(shí)際應(yīng)用的關(guān)鍵。本文研究了顏色及紋理特征融合模型的建立，闡述了此模型的性能評價(jià)方法:魯棒性和適應(yīng)性。提出兩個(gè)重要的檢驗(yàn)指標(biāo):漏報(bào)率和誤報(bào)率，為色差檢測系統(tǒng)的實(shí)際應(yīng)用提供了重要的數(shù)據(jù)模型。
　　 (2)提出了一種基于LBP-LAB-GRA多維特征的Morlet小波核支持向量機(jī)(MWSVM)自動分類算法。為了對采集的樣本數(shù)據(jù)進(jìn)行較好地自動分類，文中比較與分析SVM、基于級聯(lián)弱分類器

3、的AdaBoost，以及小波分析與SVM的結(jié)合(MWSVM)等分類算法，并將提出的算法用于染色品色差質(zhì)量的判別分類。試驗(yàn)結(jié)果表明:該模型對染色品特征數(shù)據(jù)具有較好的分類效果，可以實(shí)現(xiàn)染色品色差的自動化評價(jià)，并且對色差檢測時(shí)光照不一致的情況具有較好的魯棒性。
　　 (3)將基于小波理論的光照校正算法引入到染色布匹的光照不均校正中。染色品表面若受到光照不均等因素影響，會引起表面顏色及紋理的模糊，造成檢測結(jié)果不理想?；谥狈綀D線性拉伸的

4、光照校正算法可以對全局的亮度進(jìn)行校正，但是需要對線性映射函數(shù)進(jìn)行設(shè)置，參數(shù)的選取至關(guān)重要;基于直方圖均衡的光照校正算法雖然無需設(shè)置參數(shù)，但對于純色布匹的校正效果較差，會將本來相近的顏色轉(zhuǎn)換得色差變大，與人眼的實(shí)際感覺有差別。而基于同態(tài)濾波器的光照校正雖對純色布匹有較好的校正效果，但對于非純色的布匹，將在一定程度上損失其表面紋理特征從而引起圖像失真。本文提出的基于小波理論的染色品校正算法可以很好的檢測物體表面的紋理特征，在亮度校正的前提下