基于計算機視覺的織物疵點自動檢測技術(shù)研究.pdf

1、織物疵點檢測是紡織品生產(chǎn)過程中的重要環(huán)節(jié)。目前，織物疵點檢測主要是依靠人工目測，其缺點是誤檢率和漏檢率高、檢測效率低、勞動強度大、對工人健康不利。因此，開展織物疵點自動檢測技術(shù)研究具有重要意義。
　　 本文在對現(xiàn)有的織物疵點檢測理論和方法進行分析、綜合的基礎(chǔ)上，較深入地研究了織物圖像預(yù)處理和基于小波分析的疵點自動識別方法。通過實驗驗證了該方法的可行性和有效性。
　　 首先，分析了織物圖像的噪聲來源、噪聲特性和去除噪聲的方

2、法。針對圖像去噪處理后，部分圖像細節(jié)信息丟失這一問題，采用中值濾波和邊緣銳化的方法進行圖像預(yù)處理，以改善圖像的視覺效果，突顯圖像中物體的邊緣和輪廓特征，易于計算機的處理與分析。
　　 其次，為減小周圍環(huán)境對疵點識別的影響，同時提高疵點檢測速度，給出了基于灰度的窗口分割方法。該方法通過灰度均值比較，將超過設(shè)定閾值的窗口進行九宮格擴散，所形成的新窗口作為進一步待檢區(qū)域，再利用小波分析方法提取特征值，有效減少了圖像特征值的提取和計算窗

3、口數(shù)量。
　　 另外，給出了基于小波分析的疵點自動識別方法。對小波分解后的經(jīng)、緯子圖像分別提取能量、熵值、方差和極差四個特征值。經(jīng)歸一化后，在統(tǒng)一度量下檢查不同特征值對疵點的響應(yīng)程度，從而確認疵點是否存在及判別疵點的準確位置。
　　 最后，應(yīng)用LabVIEW編制了織物疵點自動檢測軟件。在自制的疵點檢測實驗裝置上，對掉扣、雜纖維、飛花、破洞、油砂、反絲、臟污、長殘8類常見疵點進行自動檢測實驗。結(jié)果表明，小波分析方法能以較快