| 毕业论文 基于ANN的织物疵点识别的研究，共26页，10628字 目录 引言 …………………………………………………………………………………2 第一章 绪论 ………………………………………………………………………3 1.1 研究的目的和意义……………………………………………………………3 1.2国内外研究现状………………………………………………………………3 1.2.1国外现状…………………………………………………………………3 1.2.2国内现状…………………………………………………………………3 第二章 系统设计…………………………………………………………………4 2.1织物疵点简介..…………………………………………………………………4 2.2位图文件结构…………………………………………………………………4 2.3织物图像预处理………………………………………………………………6 2.3.1灰度变换以及均衡化……………………………………………………6 2.3.2中值滤波…………………………………………………………………8 2.3.3小波变换 ………………………………………………………………9 2.3.4图像二值化 ……………………………………………………………12 2.3.5膨胀 ……………………………………………………………………13 2.4边缘检测原理及其算法 ……………………………………………………14 2.4.1原理 ……………………………………………………………………14 2.4.2边缘检测算法 …………………………………………………………15 2.5织物疵点识别 ………………………………………………………………16 2.6系统总结 ……………………………………………………………………18 第三章 结论及存在的问题 …………………………………………………18 参考文献 …………………………………………………………………………19 附录 ………………………………………………………………………………19 引言 我国加入WTO后，纺织工业的发展迎来了新的机遇，纺织品质量成了竞争法宝，而织物疵点不仅是影响产品质量的重要因素，也是影响产品出口竞争能力的关键，甚而影响到了部分纺织企业的生存。织物疵点不仅包括织造过程中所产生的经缩、纬缩、断经、断纬、筘路、跳花、烂边、油渍等，还包括原材料所带入的缺陷与瑕疵。但目前在织物疵点的识别上主要依靠人眼，由于人的身体、心理状态、社会环境等都有可能影响人的判断力，因此人工检测使得验布结果受验布人员主观影响较大，很容易造成误检，而且容易疲劳。如何快速、准确、低成本、高质量的检测出织物疵点，成了人们关注的焦点。近年来，随着计算机技术、模式识别和神经网络的深入研究和广泛应用，使得基于图像处理和计算机平台的织物疵点自动识别与检测成为可能。 计算机视觉是指用摄像机和计算机代替人眼对目标进行识别、跟踪和测量等；图像处理的主要功能是将获得的低质量图像(反差小，模糊，变形等)用计算机处理成更适合人眼观察或仪器检测的图像。机器视觉系统一般采用CCD照相机摄取检测图像并转化为数字信号，再采用先进的计算机硬件与软件技术对图像数字信号进行处理，从而得到所需要的各种目标图像特征值，并由此实现模式识别，坐标计算，灰度分布图等多种功能。然后再根据其结果显示图像，输出数据，发出指令，配合执行机构完成位置调整，好坏筛选，数据统计等自动化流程。与人工视觉相比较，机器视觉的最大优点是精确，快速，可靠，以及数字化。 本文主要研究如何将计算机视觉与图像处理技术引入到织物疵点识别中，以满足纺织工业对自动检测技术的要求。我们研究的内容包括图像增强、图像变换技术、图像边缘检测和图像自动识别等方面，针对织物表面图像的灰度强度和织物疵点图像的灰度强度的不同，应用灰度变换、中值滤波、直方图均衡化等方法先对图像进行预处理去除噪声加强图像信息，再用小波变换对织物疵点图像进行特征提取，然后用膨胀的方法来获得织物疵点的形状和大小，进而提取其边缘，最后用人工神经网络对织物疵点进行自动识别分类。 |
查看评论
已有0位网友发表了看法