基于RBF的GMDH型神經網絡構成的棉花異質纖維圖像識別及定位算法的研究.pdf

1、在紡紗過程中，傳統(tǒng)的人工分揀棉花異質纖維方法難度大、成本高并且效率低，大大降低了棉紡企業(yè)的競爭力。雖然目前國內外采用機器視覺代替人工分揀的方法很多，但是普遍存在著定位精度差、成本高、通用性差、使用環(huán)境要求高和多領域應用難以實施等問題。隨著數字圖像處理技術的迅速發(fā)展、光電子技術的應用日益廣泛和機器視覺的日趨成熟，實現(xiàn)異質纖維的精確識別和定位是完全可行的。
　　本文采用數字圖像處理技術，設計和實現(xiàn)了基于RBF的GMDH型神經網絡的棉花

2、異質纖維精確識別和定位系統(tǒng)。系統(tǒng)包括5個模塊:采集模塊、圖像預處理模塊、特征提取模塊、識別模塊和定位模塊。本文主要的研究內容和創(chuàng)新點如下:
　　(1)基于Otsu和局部閾值的改進閾值分割方法。本文在Otsu和局部閾值的基礎上，通過將原圖像每個像素點分別與其3×3鄰域像素的簡單平均（或高斯加權平均值）和Otsu獲得的閾值進行比較，并通過反復實驗，設置誤差范圍為5個像素，從而確定該像素點是背景還是雜質，實現(xiàn)了棉花雜質的有效分割。

3、>　　(2)基于窗口的定位方法。棉花雜質的形狀是非規(guī)則的，目前尚沒有可靠的方法來精確定位非規(guī)則物體。本文提出了基于窗口的定位方法。通過將整幅棉花圖像劃分成眾多等大小的小窗口，將雜質所在的位置轉化為其所在的一系列小窗口的二維坐標，從而實現(xiàn)了棉花雜質的精確定位。該方法簡單，定位精度高，并且便于存儲。
　　(3)改進了灰度共生矩陣提取方法。灰度共生矩陣的提取與方向的選定有很強的關系。由于棉花雜質在圖像中的位置是隨機的，因此很難通過選定一

4、個方向來提取灰度共生矩陣。本文通過取0°、90°、45°和135°四個方向上的灰度共生矩陣之和，然后對其歸一化，作為圖像的灰度共生矩陣，實現(xiàn)了棉花圖像紋理特征的提取。
　　(4)基于GMDH聚類的改進RBF神經網絡。RBF神經網絡具有結構簡單、學習速度快、能夠逼近任意非線性函數的優(yōu)點，然而，目前尚沒有可靠的理論確定RBF網絡的基函數中心。GMDH聚類能夠自動確定最優(yōu)聚類個數。本文將GMDH聚類用于RBF神經網絡，用以自動確定最佳隱