基于小波分析與SVM的織物疵點識別分類算法的研究.pdf

1、學(xué)校代碼：10385分類號：研究生學(xué)號：1300205017密級：基于小波分析與基于小波分析與SVMSVM的織物疵點識別分類算法的研究的織物疵點識別分類算法的研究ResearchonFabricDefectRecognitionClassificationAlgithmsBasedonWaveletAnalysisSupptVectMachine作者姓名：吳哲吳哲指導(dǎo)教師：鄭力新鄭力新教授教授實踐導(dǎo)師：黃立勤黃立勤高級工程師高級工程師專

2、業(yè)學(xué)位類別領(lǐng)域：工程碩士工程碩士計算機技術(shù)計算機技術(shù)研究方向：光電信息檢測與智能計算光電信息檢測與智能計算所在學(xué)院：工學(xué)院工學(xué)院論文提交日期：二零一六二零一六年六月一日摘要I摘要摘要織物質(zhì)量控制在紡織品行業(yè)中的作用至關(guān)重要。疵點是影響織物等級的一個重要因素，傳統(tǒng)人工離線識別分類疵點的方式存在著工作量大、速度慢和分類正確率低等缺點。隨著計算機視覺和模式識別技術(shù)研究的深入，織物疵點自動識別分類逐漸成為織物品質(zhì)監(jiān)控的必然趨勢。當(dāng)前，織物疵點自

3、動識別分類領(lǐng)域雖然取得了一定的研究成果，但由于采集的圖像易受光照變化、噪聲等影響及疵點種類繁多等問題，使之仍是一個頗具挑戰(zhàn)性的研究課題。本文針對純色紡織布織造中常見的8類疵點，對疵點圖像預(yù)處理、特征提取、識別分類和織物質(zhì)量自動評定等展開研究，主要工作如下：第一，建立了織物疵點數(shù)據(jù)庫。結(jié)合實際采集圖像的特點，通過設(shè)置合適的閾值，設(shè)計了一種能自動地選擇直方圖均衡化和濾波消噪的預(yù)處理方法。第二，針對疵點圖像Mallat分解后的高頻分量直接窗口

4、分割并提取特征時其小波特征曲線在非疵點區(qū)光滑性較差的問題，設(shè)計了一種基于小波系數(shù)差值的織物疵點特征值提取方法。將小波分解后第3層經(jīng)緯向高頻系數(shù)分別與第一次平滑重構(gòu)系數(shù)作差，選取能量、熵和方差作為織物疵點小波系數(shù)差值特征并繪制其特征曲線圖。實驗證明了該方法尤其適用于紋理明顯的織物疵點和片狀瑕疵，而且還能有效完成織物疵點的定位。第三，針對最小二乘支持向量機分類器計算復(fù)雜度較大及缺乏稀疏解的問題，提出了一種基于反向擬合的快速稀疏逼近最小二乘支

5、持向量機的織物疵點識別分類方法。該分類機采用徑向基核函數(shù)、“網(wǎng)格”式區(qū)域搜索最優(yōu)()C?參數(shù)及“一對一”多分類算法對疵點進行分類，留一法交叉驗證確保該算法的魯棒性。實驗結(jié)果表明，本文所提疵點識別分類算法對混合疵點樣本正確分類率達90.33%，且訓(xùn)練耗時較短，其分類性能優(yōu)于最小二乘支持向量分類機和BPNN分類器。最后，對美標(biāo)四分制評分標(biāo)準進行轉(zhuǎn)換，設(shè)計了一種基于圖像處理的織物疵點自動評分方法和織物等級自動評定方法。該評分法對疵點評定精度達