基于圖像分割的織物疵點(diǎn)檢測(cè)與識(shí)別算法研究.pdf

1、本文基于圖像分割技術(shù)對(duì)織物疵點(diǎn)的檢測(cè)與識(shí)別進(jìn)行了研究?？椢镨Υ檬怯绊懖计ベ|(zhì)量的重要因素，所以疵點(diǎn)檢測(cè)是織物生產(chǎn)過程中必不可少的環(huán)節(jié)。為了提高檢測(cè)效率與準(zhǔn)確率，應(yīng)研究有效的檢測(cè)算法應(yīng)用到自動(dòng)檢測(cè)系統(tǒng)中。數(shù)字圖像技術(shù)能夠快速、直觀地反映二維的信息體，正因?yàn)榫哂羞@些優(yōu)點(diǎn)，該技術(shù)在軍事、地質(zhì)測(cè)量、衛(wèi)星云圖等領(lǐng)域都有較好的應(yīng)用，且符合織物檢測(cè)技術(shù)的要求。
　　本文闡述了兩類圖像去噪技術(shù)：低通濾波去噪和小波變換去噪，以提高圖像的質(zhì)量為后續(xù)的圖

2、像分割打下基礎(chǔ)。其次論述了兩種常用的圖像分割方法，閾值分割法和模糊C均值分割法。閾值分割法，顧名思義利用閾值對(duì)圖像進(jìn)行分割，通過選取合適的灰度閾值，把待分割圖像分割為目標(biāo)圖像和背景圖像，該方法原理簡(jiǎn)單且運(yùn)算速度較快，在分割紋理相對(duì)簡(jiǎn)單的織物圖像時(shí)能夠獲得良好的效果。模糊C-均值分割法是聚類圖像分割中較常用的方法，該方法通過迭代計(jì)算將圖像像素樣本劃分為C個(gè)類別，達(dá)到分割圖像的目的。由于在計(jì)算過程中引入了隸屬度函數(shù)，模糊C-均值算法克服了“

3、硬”分類的缺點(diǎn)，能夠獲得較理想的分類效果，但該方法對(duì)圖像中的噪音比較敏感，隨著圖像變大，數(shù)據(jù)樣本增加，計(jì)算速度大大降低。
　　然后，提出了一種基于改進(jìn)閾值分割的織物疵點(diǎn)檢測(cè)算法，該方法基于線性判別函數(shù)的思想，對(duì)波谷強(qiáng)調(diào)法進(jìn)行了優(yōu)化改進(jìn)，優(yōu)化后算法的思路是在求圖像的最佳分割閾值時(shí)不僅要考慮類間方差，還考慮兩類的類內(nèi)方差。當(dāng)類間方差盡量大而類內(nèi)方差盡量小時(shí)，就獲得最優(yōu)的分割閾值，改進(jìn)后的算法達(dá)到了正確檢測(cè)出織物疵點(diǎn)的目的；提出了一種優(yōu)