基于機(jī)器視覺的坯布疵點(diǎn)檢測方法研究.pdf

1、織物疵點(diǎn)檢測是紡織品質(zhì)量在線監(jiān)控中的關(guān)鍵環(huán)節(jié)。鑒于傳統(tǒng)的疵點(diǎn)檢測方法存在速度慢、準(zhǔn)確率低、經(jīng)驗(yàn)水平要求高等問題，不能夠適應(yīng)現(xiàn)代化大規(guī)模生產(chǎn)的需要，而國外現(xiàn)有成型檢測設(shè)備價(jià)格過高，難以普遍推廣，亟需研發(fā)具有自主知識(shí)產(chǎn)權(quán)的織物疵點(diǎn)在線監(jiān)測設(shè)備。本文研究主要針對(duì)坯布在線檢測中的算法方面展開。
　　多尺度分解方法符合人類視覺皮層對(duì)圖像有效表示的要求，能夠最優(yōu)的表示二維奇異信號(hào)。相對(duì)于小波多尺度和輪廓波變換方法而言，非下采樣輪廓波變換(NS

2、CT)具有多方向性、平移不變性和對(duì)信號(hào)的稀疏表達(dá)特性，在二維圖像信號(hào)表示上性能更出色。本文詳細(xì)的介紹了NSCT變換的基本原理，提出了一種基于NSCT分解的疵點(diǎn)在線檢測算法。首先，對(duì)采用高斯濾波預(yù)處理后的圖像進(jìn)行NSCT分解，得到一個(gè)低頻子圖和8個(gè)高頻帶通子圖。對(duì)于低頻子圖，采用非線性增益和改進(jìn)的數(shù)學(xué)形態(tài)學(xué)方法對(duì)其特征進(jìn)行增強(qiáng)，再利用全局閾值法實(shí)現(xiàn)疵點(diǎn)的預(yù)判與粗定位。對(duì)判斷出存在疵點(diǎn)的圖像，選出方向響應(yīng)最強(qiáng)的2幅帶通子圖進(jìn)行融合。在此基礎(chǔ)

3、上，本文提出的基于NSCT的標(biāo)準(zhǔn)差檢測方法能較好的排除干擾、捕捉疵點(diǎn)輪廓信息。
　　為實(shí)現(xiàn)織物疵點(diǎn)的有效分類，本文將局部特征與全局特征相結(jié)合，采用主成分分析(PCA)的特征篩選方法和BP神經(jīng)網(wǎng)絡(luò)進(jìn)行疵點(diǎn)類型識(shí)別。在這個(gè)過程中，首先從局部二值模式(LBP)特征圖中提取其灰度共生矩陣(GLCM)特征，然后采用PCA方法對(duì)特征矩陣進(jìn)行篩選，最后將得到的主成分?jǐn)?shù)據(jù)輸入到訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行疵點(diǎn)類型判定。本文實(shí)驗(yàn)以坯布中常出現(xiàn)的5類疵點(diǎn)