基于小波分析和神經(jīng)網(wǎng)絡(luò)布料瑕疵識(shí)別與分類算法研究.pdf

1、布料瑕疵識(shí)別檢測(cè)是布料生產(chǎn)過程中的重要環(huán)節(jié)。針對(duì)人工檢測(cè)的各種缺陷和不足，本文在現(xiàn)有的布料瑕疵檢測(cè)理論和方法的基礎(chǔ)上，較深入地研究了織物圖像預(yù)處理和基于小波分析和神經(jīng)網(wǎng)絡(luò)的瑕疵自動(dòng)識(shí)別方法,并通過實(shí)驗(yàn)驗(yàn)證了該方法的可行性和有效性。
　　首先，介紹了在圖像處理中常用的預(yù)處理方法，分析了各自的特點(diǎn)，并通過實(shí)驗(yàn)，對(duì)比多種預(yù)處理結(jié)果，選用合適的預(yù)處理方法，改善圖像視覺效果，突出圖像中瑕疵點(diǎn)邊緣和輪廓特征。
　　其次，給出了基于小波分

2、析的疵點(diǎn)自動(dòng)識(shí)別方法。為減小周圍環(huán)境對(duì)疵點(diǎn)識(shí)別的影響，同時(shí)提高疵點(diǎn)檢測(cè)速度，使用小波變換對(duì)圖像進(jìn)行分割。將小波分解后的圖像通過灰度均值比較，將不超過設(shè)定閾值的窗口視為無瑕疵舍棄，超過閾值的窗口作為進(jìn)一步待檢區(qū)域，再利用小波分析方法提取特征值，有效減少了圖像特征值的提取和計(jì)算窗口數(shù)量。對(duì)小波分解后的經(jīng)、緯子圖像分別提取能量、方差、熵值、極差和逆差矩五個(gè)特征值。經(jīng)歸一化后，在統(tǒng)一度量下檢查不同特征值對(duì)疵點(diǎn)的響應(yīng)程度，從而確認(rèn)疵點(diǎn)是否存在及判