基于小波和极速学习机的织物疵点检测和分类-控制科学与工程专业论文.docxVIP

万方数据 万方数据 东华大学学位论文版权使用授权书 学位论文作者完全了解学校有关保留、使用学位论文的规定，同 意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允 许论文被查阅或借阅。本人授权东华大学可以将本学位论文的全部或 部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复 制手段保存和汇编本学位论文。 保密 □，在 年解密后适用本版权书。 本学位论文属于 不保密 □。 学位论文作者签名： 指导教师签名： 日期： 年 月 日 日期： 年 月 日 基于小波和极 基于小波和极速学习机的织物疵点检测与分类研究 基于小波和极速学习机的织物疵点检测和分类 摘 要 织物的疵点检测是纺织品质量控制的重要环节，目前主要还是由 人工来实现，面临的问题是：随着技术的进步，市场对织物质量检测 的要求也越来越高，传统的人工检测方法存在劳动强度大，视觉疲劳， 主观性差等一系列问题，越来越不能满足要求。因而，近年来，基于 机器学习的自动化机器检测成为了研究的热点。本文提出一种基于小 波和极速学习机的织物的疵点检测系统。其核心包括：疵点检测和疵 点分类。本文选取 8 种平纹织物瑕疵图像，主要工作如下： 1.综述了织物疵点检测的国内外研究现状，并对方法做了归类分 析。 2.织物疵点自动检测系统的概述，阐述了织物疵点自动检测系统 的组成及相关部件的参数说明。 3.织物图像的预处理。利用同态滤波的方法消除织物图像的光照 不均匀，然后进行直方图均衡化处理，增强对比度，突出织物疵点。 4.基于阈值自适应小波变换的织物疵点检测。研究了基于小波变 换的织物疵点检测，本文根据织物织造的原理和疵点产生的机理，提 出基于多尺度融合和阈值自适应的小波模极大值织物疵点边缘检测， 实验结果进行多种对比，检测的效果较为明显。 I 5. 研究了多特征融合的织物瑕疵纹理特征提取方法。在此基础 P,R上，提出基于邻域像素中值的均匀模式 LBP 算子 M _ LBPriu 2 ；然后将 此算子提取的纹理特征和灰度共生矩阵提取的织物纹理特征（能量、 熵、对比度、相关性）进行主成分分析；最后通过一种自适应权重的 融合算法进行特征融 P,R 6.极速学习机算法改进并引入到织物疵点的分类。极速学习机 （Extreme Learning Machine）ELM 简单易用，是一种有效的单隐层 前馈神经网络学习算法。其最大的特点是：只需要设置网络的隐层节 点数，在算法执行过程中不需要调整网络输入权值和隐层偏置，并可 产生唯一的最优解，因而具有算法速度快，泛化能力强的特点。本文 为了将 ELM 更好的应用于织物的疵点检测，首先根据织物疵点纹理 复杂，数据量大，采用在线 ELM 算法，解决 ELM 在处理大块数据 时整体处理方式的不足；然后为了提高算法的泛化能力，减小算法性 能对隐层节点的依赖性，采用灵敏度分析的方法对隐层节点进行剪枝 处理；最后为了保证算法的稳定性，对改进的算法进行正则化处理。 关键词：织物疵点检测，特征融合，小波变换，LBP 算子，灰度共生 矩阵，极速学习机 II FABRIC DEFECT DETECTION AND CLASSIFICATION BASED ON EXTREME LEARNING MACHINE AND WAVELET ABSTRACT Textile quality control is an important part of the fabric defect detection.However,most depends on manual nowadays, with the progress of the technology and increasingly high in the market of fabric, Traditional artificial detection method which the highlabor intensity, visual fatigue,subjectivity and other problems more and more can not meet the market requirements.Therefore, Automatic machine detection based on machine learning has become a hot research in recent years. The theme of this paper: defect defection and classification.And the paper selects 8 kinds of plain weave fabric defect images,the main wo