帘子布疵点智能化判别的研究-控制理论与控制工程专业论文.docxVIP

PAGE PAGE 10 LOG 边缘检测算子最佳空间系数 ，从而很好抑制了图像中的大部分 l噪声。高士忠[IIJ 等人于 2008 年对基于灰皮共生矩阵的帘子布疵点检测进行了研究 ，实验结果证明 这种方法能够很好地判断帘子布是否存在疵点 :苑丽红[12J等人于 2009 年使用灰皮 共生矩阵对 Brodatz 纹理库的大#图片 进行了实验 ，实验结果对灰皮共生矩阵构造 的优化具有重要的意义。 2)马尔科夫随机场法: Cohen[13J寄:人于 1991 年最先提出了使用马尔科夫棋型 对织物疵点进行检测 ，该方法通过对 比被检测图像 的特征值与正常图像特征值 的不 同来判别图像是否存在疵点 :严佩敏[14]寄:于 2000 年研究了基于马尔科夫随机场和 遗传 :法的国像恢复 ，通过使用线过程作为约束条件 、二维遗传3立法作为优 化工具 对退化的二值图像进行恢复 ，实验证明这种方法非常有效 :曹建农[1 5]等于 2006 年 对马尔科夫随机 场与马尔科夫网做了评述和 比较 ，使研究者对马尔科夫随机 场有了 更深的了解。 3)灰度统计量法: Mohamed[16J等人于 2004 年研究了基于灰皮统计 的特征值对 针织物疵点识别的帮助，灰度的统计:I.Iì以方差 、均值等作为特征值 ，利用这些特征 值来对针织物进行识另IJ; 王忆锋[I7J于 2009 年对红外图像的灰皮直方图统计分析做 了研究，实验结果表明该方法对组 外图像的研究非常有效。 的灰度匹配法: 灰皮匹配这种算法首先要找 一个正常 的织物图像作为标准棋 板 ，然后用被检测 的图像与标准棋板进行相减 ，之后再用一个低通滤披器对结果进 行低通滤波 ，最后通过统计残余图像的灰皮分布来获得图像 的特征值 ;Lewis[18]等 人于 1994 年曾使用 这利方法进行过研究。这种方法存在 一个缺点 ，那就是必须保 证被检测的正常图像要与棋板一致 ，在实际操作时这是很难做到 的。 5 ) 数学形态学方法: 数学形态学是 以图像的形态特征为具体 的研究对象 ，通 过一套设计好的概 念、 变换 以及算法来描 述图像的基本特征。 王锋[19]等人于 2007 年研究了基于数学形态学的织物疵点检测方法 ，通过实验发现该方法有效可行。 ( 2 ) 频率域: 对于织物图像来说 ，频域形式能够很好地表现图像纹理 的方向 性和周期性 ，所 以织物图像在频率域中来提取特征值是 一种非常有效的方法。在频 率域中常用的分析方法有傅旦日十分析法 、小波分析法以及 Gabor 变换法等。 1 ) 傅里R十分析法: Tsai[20J等人于 1996 年对 利用傅里叶变换提取织物特征 作 了 研究，发现这种方法是可行 的， 但是最终 的识别率只达到了 88%，与实际期望有所 差异: 朱黄 gp [21]等于 2006 年对基于傅里叶变换的帘子布疵点检 测进行了研究 ，找 到了一组新 的织物图像的特征值对帘子布进行识别分类 ，实验证明这种方法是有效 可行的。 2)小波分析法: Warren[22J于 1995 年利用小波分析法对包含疵点 的织物图像进 行了正交分 j晖，实验发现这利s方法是司行的 ;JasperL23J于 1 996 年对自适应小波在疵 点检测中的应用进行了研究;卿湘运 [24]寄:在 2005 年提出了一种新的基于 小波分析 与神经网络的织物疵点检 测与识别方法 ，根据织物疵点图像形态的先验知识 ，在织 物图像小波分j仰，高频分盐中使用数学形态学的开运算，再结合小波高频各个子带反 映不同边缘细节的特点提取特征参数，最后利用 BP 神经网络进行识别分类 ，实验 证明这种方法有效可行;韩磊 [25J等在 2009 年对基于织物结构特征和小波变换的快 速疵点检测进行了研究，首先对织物疵点图像进行奇偶行列采样抽取，获得奇偶两 I gj子因并且使图像的总数据变成原来的 二分之一，之后再对其进行 小波变换，实验 证明该方法大大减少了数据的计算量 ，使检测速度得到了很大的提高。 3) Gabor 变换法: Jain[261等于 1991 年采用 Gabor 变换井结合均方差聚类技术 和非线性变换技术实现了对多纹理图像的分割; BodnarovaL27J等人于 2002 年对基于 Gabor 滤波器的织物疵点分类进行了研究 ;邢亚敬L28J在 2008 年对基于优化 Gabor 滤波器的织物疵点检测算法进行了研究。 1.2.2 己有的织物疵点自动检测系统 随着众多学者对织物疵点自动检测系统这 一领域的研究 ，目前国际上已有基于 机器视觉的织物疵点自动检测系统问世，其中 主要产品有这些 [29) : (1)瑞士 Uster 公司生严的 fabriscan 自动验布系统