论文部分内容阅读
纺织品质量与价值受诸多因素影响,主要的评价因素之一就是纺织品外观,直观表现为织物疵点,所以在投入使用之前,织物疵点检测是必不可少的。在工业检测领域,机器视觉也慢慢代替传统的人工检测成为主力军,研究并实现疵点检测就有了意义。彩色印花织物的市场价值随着现代化的发展愈发提高,这就使得研究彩色印花织物的疵点检测更具重要性,本文工作如下:(1)为了更准确地检测多样的彩色织物疵点,避免经过灰度化后图像信息流失带来的检测失误,提出基于CIE L*a*b*颜色空间的织物疵点检测方法。以RGB空间为基础,经XYZ空间转换至CIE L*a*b*颜色空间,将得到的亮度特征L*忽略,利用色调信息a*和b*作为特征值用于二维Gabor滤波器。将无瑕疵图像作为滤波样本构建Gabor滤波器,并使用遗传算法进行滤波器最优参数的选取,目标函数为滤波器实虚部卷积后的能量。把无瑕疵图像相对应的同背景的瑕疵图像作为待检测样本,同时利用已构建完成的滤波器对其进行滤波。再使用滑动阈值法分割图像,加以适当的除噪,得到最终与背景分离的疵点检测结果。实验结果表明该算法对与背景重合度较高的彩色织物疵点有良好的识别精度。(2)本文为了快速准确地实现背景纹理复杂织物的疵点检测,改善传统算法计算量大的缺点,提出基于稀疏编码字典学习的疵点检测算法。首先利用Radon变化对图像进行倾斜矫正,减小像素信息处理误差,再使用Gabor滤波器对矫正后图像滤波,消除噪声影响。接着对预处理后的图像,以一定尺寸窗口,滑动选取图像块构建输入样本集,并采用K-SVD算法对无瑕疵样本集合进行字典学习,得到稀疏系数并重构,进而取得水平、垂直投影特征矩阵。最后利用已经得到的字典与稀疏系数对待检测瑕疵样本重构,求得其相对应的特征矩阵,并用结构相似法确定最终疵点区域。检测结果表明,在保证精度的前提下该算法检测时间较短。(3)详细论述了织物疵点自动检测系统硬件平台的设计与各个功能模块搭建的要素以及它们的工作原理。实验表明该系统运行稳定、实时性好,对一些常见的彩色织物疵点检测效率高。