基于圖像分割的織物疵點檢測與識別算法研究.pdf

1、本文基于圖像分割技術(shù)對織物疵點的檢測與識別進行了研究?？椢镨Υ檬怯绊懖计ベ|(zhì)量的重要因素，所以疵點檢測是織物生產(chǎn)過程中必不可少的環(huán)節(jié)。為了提高檢測效率與準確率，應研究有效的檢測算法應用到自動檢測系統(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，正因為具有這些優(yōu)點，該技術(shù)在軍事、地質(zhì)測量、衛(wèi)星云圖等領域都有較好的應用，且符合織物檢測技術(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。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圖像進行分割，通過選取合適的灰度閾值，把待分割圖像分割為目標圖像和背景圖像，該方法原理簡單且運算速度較快，在分割紋理相對簡單的織物圖像時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，該方法通過迭代計算將圖像像素樣本劃分為C個類別，達到分割圖像的目的。由于在計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，能夠獲得較理想的分類效果，但該方法對圖像中的噪音比較敏感，隨著圖像變大，數(shù)據(jù)樣本增加，計算速度大大降低。
　　然后，提出了一種基于改進閾值分割的織物疵點檢測算法，該方法基于線性判別函數(shù)的思想，對波谷強調(diào)法進行了優(yōu)化改進，優(yōu)化后算法的思路是在求圖像的最佳分割閾值時不僅要考慮類間方差，還考慮兩類的類內(nèi)方差。當類間方差盡量大而類內(nèi)方差盡量小時，就獲得最優(yōu)的分割閾值，改進后的算法達到了正確檢測出織物疵點的目的；提出了一種優(yōu)