织物疵点的检测与判别.pdfVIP

摘要 摘 要 随着人们生活水平不断提高，对织物质量的要求日益严格。据调查发现，服装业的 服装劣质原因主要与织物疵点有关，因此对织物疵点进行检测与判别是织物质量检测中 至关重要的环节。 织物疵点图像经离散傅里叶变换后会得到相应的频谱图，频谱图上的亮点中包含着 织物疵点信息，基于此本文提出了一种在频率域上的织物疵点检测算法。BP 神经网络 BP 具有极强的非线性拟合能力，常被应用于模式识别中，本文将 神经网络和随机森林 相结合，并将结合后的网络应用于织物图像的疵点判别。 (1) 针对织物疵点图像的频谱图，本文设计了一种频率域滤波器，它包含多个用于 覆盖频谱图中心亮点周围的亮点的最优圆形频率域Gabor 滤波器，和一个用于覆盖频谱 图中心亮点的频率域中心掩模。根据选取最优Gabor 滤波器数量的不同，本文提出了两 — 种频率域织物疵点检测算法 算法一和算法二，并应用这两种算法对织物疵点图像作疵 点检测，实验表明，两种算法均能有效地检测不同类型的疵点，但算法一对疵点细节处 的检测效果不太理想，而算法二对疵点细节处的检测效果会优于算法一。最后，从算法 和检测效果两个方面将本文算法二与其他算法进行比较，结果表明，本文算法二检测出 的疵点更接近于真实的疵点。 (2) 针对织物图像是否含有疵点的判别问题，本文设计了一个基于BP 神经网络和 随机森林的网络进行判别。该网络借助于频谱图滤波、灰度共生矩阵以及局部二值模式 （LBP ）算子提取了3 个织物图像的特征向量，经过3 个独立的BP 神经网络训练和测 试，再由随机森林分类器综合3 个BP 神经网络的测试结果得到最终的判别结果。实验 结果表明，本文设计的网络判别能力强，判别准确率达99.9% ；同时，我们还针对被误 3 检频率高的 幅织物图像进行了误检原因分析。最后，从特征向量提取方法和网络复杂 性角度将本文网络与其他网络进行比较，结果表明，本文网络更加简单且更有效率。 关键词：疵点检测与判别；频谱图；Gabor 滤波器；BP 神经网络；随机森林 I 目录 目 录 摘 要 I Abstract III 目 录V 1 1 第 章 绪论 1.1 课题研究的背景及意义 1 1.2 国内外研究现状 1 1.2.1 基于结构和模型方法的织物疵点检测 1 1.2.2 基于统计方法的织物疵点检测2 1.2.3 基于频谱方法的织物疵点检测2 1.2.4 基于视觉显著性方法的织物疵点检测4 1.2.5 基于学习的织物疵点检测4 1.3 本文主要内容5 2 7 第 章 基于频率域滤波器的织物疵点检测 2.1 引言7 2.2 预备知识7 2 .2 . 1 织物疵点图像的频谱图分析7 2 .2 .2 多尺度多方向的圆形 Gab or 滤波器的相关理论 8 2 .3 频率域滤波器的设计9 2.3.1 两尺度四方向的频率域Gabor 滤波器的设计9 2.3.2 两个最优频率域Gabor 滤波器的选取 11 2.3.3 频率域中心掩模的设计 12 2.4 基于两个Gabor 滤波器的频率域织物疵点检测算法与实验 13 2.4.1 频率域织物疵点检测算法一 13 2.4.2 算法一的实验结果 14