基于小波變換和SVM的織物疵點(diǎn)檢測(cè)與分類.pdf

1、織物疵點(diǎn)檢測(cè)作為紡織企業(yè)質(zhì)量控制的重要環(huán)節(jié)，一直以來(lái)普遍采用人工檢測(cè)的方式。這種方式效率低下，工人勞動(dòng)強(qiáng)度大，影響了織物企業(yè)的生產(chǎn)效率。因此，本文設(shè)計(jì)了一種基于小波變換和SVM的織物疵點(diǎn)檢測(cè)與分類系統(tǒng)，其核心模塊包括疵點(diǎn)檢測(cè)模塊和疵點(diǎn)分類模塊。
　　在疵點(diǎn)檢測(cè)模塊中，本文主要做了如下工作：（1）首先對(duì)織物圖像進(jìn)行預(yù)處理。利用同態(tài)濾波的方法消除織物圖像的光照不均，并采用直方圖均衡化增強(qiáng)其對(duì)比度，使疵點(diǎn)更加突出。（2）利用多尺度小波變

2、換模極大值對(duì)織物圖像進(jìn)行疵點(diǎn)邊緣檢測(cè)。將 B樣條小波作為平滑函數(shù)，對(duì)織物圖像進(jìn)行小波變換并求取模極大值，利用基于插值的模極大值抑制尋找疵點(diǎn)邊緣，并通過窗口自適應(yīng)閾值去除偽疵點(diǎn)邊緣，最后進(jìn)行多尺度邊緣圖像融合，得到疵點(diǎn)的邊緣圖像。（3）研究了織物圖像自適應(yīng)正交小波的疵點(diǎn)檢測(cè)。利用單層小波分解高頻子圖像能量最小作為逼近函數(shù)，根據(jù) Daubechies條件構(gòu)造織物自適應(yīng)正交小波；對(duì)織物圖像進(jìn)行自適應(yīng)小波分解，利用高頻子圖像熵值確定最佳分解層數(shù)

3、；分解后，根據(jù)水平細(xì)節(jié)和垂直細(xì)節(jié)子圖像能量比確定權(quán)重并對(duì)其進(jìn)行融合，利用一維最大熵法對(duì)融合圖像進(jìn)行閾值分割，從而得織物疵點(diǎn)的二值化圖像。
　　在疵點(diǎn)分類模塊中，本文利用SVM設(shè)計(jì)分類器對(duì)織物疵點(diǎn)進(jìn)行分類。首先對(duì)織物圖像經(jīng)自適應(yīng)小波變換后的融合圖像進(jìn)行特征提取，將其灰度共生矩陣的統(tǒng)計(jì)特性作組合作為織物樣本的特征向量，對(duì)樣本進(jìn)行訓(xùn)練，設(shè)計(jì)一對(duì)一的多類SVM分類器，將疵點(diǎn)樣本輸入分類系統(tǒng)進(jìn)行分類。
　　本文對(duì)織物疵點(diǎn)檢測(cè)和分類系統(tǒng)