织物疵点检测的算机图像分析和评定.pdfVIP

90879‘ Y 摘 要 本文借助MATLAB编程语言，利用数字图像处理技术和人工神经网 络技术对织物疵点的自动识别进行了系统的研究，提出了一种基于图像 处理的、以人工神经网络技术来实现分类的织物疵点计算机识别的新方 法，并对这一方法的可行性进行了验证。 借助于MATLAB的图像处理、小波分析、人工神经网络三大工具箱， 通过大量的实验比较和验证，找到了有利于疵点分析的图像处理方法， 最优的疵点特征参数的提取，高效而准确的疵点识别模式，将整个图像 处理流程系统化，并使其能够有效地兼顾不同种类的疵点图像，形成了 一套包括织物疵点图像的预处理、二值分割、分割后处理、疵点部分特 征提取、神经网络识别这五个关键环节的、完整的织物疵点自动识别系 统。并对其识别能力进行了实验评估，证明了所建立的识别系统，对于 简单织物组织的坯布图像，在光影、底色相近的条件下，在经疵、纬疵、 区域、破洞四类疵点分类上做到了识别快速、准确。 图像处理程序实现过程中，含弃了获得精确尺寸的意图，着眼于疵 点类别的快速、准确分类，做了一些大胆假设。实验证明，所做的假设 基本符合实际，可阻大大改善识别效果、简化识别算法，且对疵点的个 数确定、种类识别和定位无影响。 关键词：疵点检测；图像处理；神经网络；小波变换；数字形态学 Abstract to offabricdefeds Inthis detection MA‘TIAB，the usingdigital thesis，recur“ng andneuralnetwork jsscudied．Anew of fabric imageprocessing technique waydelecting basedon and detectcIassifjcatjonmeans detectswhjch P『ocess{ngaccompJjsh by jmage testifjed． networkjs ofthis is ofneural puIforward．Funhcrmore，thefeasibjlityway tothreeMATLAB loolbox， toolbox，waVelet Recurring t001box：imageprocessing a mass0f and neuralnelwork ValidatiOns，Ihe t001box，by experjmentalcomparisons methodswhich todetect besIfeaCurcextractjonof 打nageprocessing appljes analysis，fhc andexact fabIic