混纺纱截面图像的轮廓探测模型与纤维识别分类方法

论文摘要

混纺纱线中的纤维识别分类是数字图像技术测定纱线混纺比的基础。纱线混纺比作为纺织品检测的一项常规检测,如何实现科学、高效、准确的检测是学者们共同关注的课题。传统的化学分析法因无法实现化学性质相似的纱线混纺比的测定,其局限性逐渐显现出来。利用数字图像技术对混纺纱线进行纤维分类无疑为测定化学性质相近的纱线混纺比打开了一扇大门。因此,对于它的研究有着重大的实际意义。长期以来,人们从不同的角度对混纺纱线纤维识别与分类及混纺比测定等课题,进行了广泛的研究。但是以往的研究,多是针对特定纤维组分的一种混纺纱线,基本流程是:图像获取→预处理→个体轮廓探测→提取特征参数→识别分类→混纺比计算。个体轮廓探测环节都采用作用于二值图像的轮廓跟踪法,为了全面反映混纺纱线的纤维特征,学者们提取尽可能多的特征参数,而提取的特征参数对于混纺纱线中纤维分类哪一个参数更关键,学者很少进行过研究。本研究基于人眼的视觉原理,建立了能够直接作用于灰度图像的目标轮廓探测模型,即光斑扩散模型;以涤/棉和粘/棉混纺纱为例,提出了一种适用于不同混纺纱线纤维识别分类的通用方法,利用特征选择找到最能代表纤维差异的最佳特征或最佳特征组合,并在前人研究的基础上,完整地实现了这一研究的六个环节,即图像获取、图像预处理、个体轮廓探测、特征参数提取、特征选择和混纺纱纤维分类。1.在图像获取环节,采用环氧树脂包埋技术,获得了轮廓清晰、个体分散的纤维切片图像,是数字图像技术进行混纺纱线纤维的分类研究的基础。2.在图像预处理环节,采用数学形态学技术,将开、闭运算组合应用,用开运算去除了细小的杂质,闭运算融合了棉纤维的中腔,得到了较好的处理结果,并提出了预处理的通用流程,对流程中各个步骤的结构元素尺寸选择做了分析说明。3.在个体轮廓探测环节,基于视觉原理,提出了一种新的目标轮廓探测模型,与传统的轮廓跟踪算法不同的是,该模型可以直接作用于灰度图像上,二值化不再是预处理的必经流程。提出并讨论了光斑扩散模型控制的各个参数,并且用逼近控制、贴近控制、径长控制和命中率控制等四个控制来获得较为满意的纤维截面轮廓。对四个参数中控制射线终止条件的贴近控制参数作了理论分析,并利用径长控制参数解决了纤维间的连结问题。利用多点扩散的方法,解决了纤维轮廓中部分纤维屈曲程度较大不能一次探测出完整轮廓的问题。4.在特征参数提取环节,以轮廓探测中的径长为基础,提取了面积、离散度、波动率等较为通用的八个形态特征参数,并以粘/棉混纺纱中两种纤维轮廓探测中的径长分布规律为基础,设计了波动率这一特征参数,对粘/棉混纺纱进行识别,它能较好地反映两种纤维的差异。5.在特征选择环节,以最大类间距离可分性判据结合聚类分析准确率为标准,采用穷举法和遗传算法对涤/棉、粘/棉混纺纱特征参数进行了特征选择。得出结论:只要特征参数设计合理,针对特定的混纺纤维,可以用一个指标来实现纤维的识别分类。对于未知纤维的情况,可以通过特征选择的方式来找到分类正确或错判率最小的特征参数组合。利用遗传算法对特征参数进行了优化组合,得到了与穷举法一致的结果,而且大大提高了特征选择的效率。推荐在参数较少的情况下采用穷举法,在参数较多的情况下选择遗传算法进行特征选择。6.采用神经网络的方法对混纺纱线中纤维进行识别分类,比较了8个特征参数和经特征选择的1个指标经神经网络训练后纤维识别分类结果的不同,得出结论:特征选择后的1个参数进行神经网络训练后,纤维分类的效率和准确率都显著提高,也从另一个方面验证了特征选择的必要性。另外,以纤维样本类间最小距离作为训练样本的选择方法,提高了训练样本的代表性,达到了提高神经网络分类准确率的目的。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 国内外相关课题的研究
• 1.2.1 图像预处理和图像目标提取的研究
• 1.2.2 特征参数提取和特征选择的研究
• 1.2.3 目标识别和分类的研究
• 1.3 课题研究的意义与主要内容
• 1.3.1 目的与意义
• 1.3.2 主要研究内容
• 1.4 论文的章节安排
• 第二章 混纺纱线截面图像获取与预处理
• 2.1 环氧树脂包埋制作纤维切片
• 2.1.1 包埋切片技术特点
• 2.1.2 环氧树脂包埋剂的特性及反应机理
• 2.1.3 环氧树脂包埋体的制备
• 2.1.4 包埋体切片及纤维截面图像获取
• 2.2 数学形态学的基本概念
• 2.2.1 腐蚀、膨胀
• 2.2.2 开、闭运算
• 2.3 预处理步骤
• 2.3.1 图像背景填充
• 2.3.2 图像的平滑
• 2.3.3 形态学重建
• 2.3.4 图像的增强
• 2.4 预处理流程和结构元素的选择
• 2.5 本章小结
• 第三章 混纺纱线截面图像中的个体轮廓探测
• 3.1 传统的轮廓跟踪方法
• 3.2 轮廓探测的光斑扩散模型
• 3.2.1 模型的提出—视觉基本原理
• 3.2.2 模型的内容—计算机模拟过程
• 3.3 模型的实现
• 3.3.1 光斑的概念
• 3.3.2 光斑扩散的控制
• 3.3.3 光斑的单点扩散与多点扩散
• 3.3.4 光斑扩散的软件研制
• 3.4 纱线截面轮廓探测结果
• 3.5 本章小结
• 第四章 个体轮廓的特征参数提取
• 4.1 特征参数
• 4.2 特征向量与特征值矩阵
• 4.3 纤维特征参数分析
• 4.3.1 纤维特征参数的相关性分析
• 4.3.2 纤维特征参数的频率曲线分析
• 4.4 本章小结
• 第五章 个体轮廓特征参数的特征选择
• 5.1 采用穷举法的特征选择
• 5.1.1 穷举法
• 5.1.2 类别可分性判据
• 5.1.3 聚类分析
• 5.1.4 特征选择方法与结果
• 5.1.5 结果分析与讨论
• 5.2 采用遗传算法的特征选择
• 5.2.1 遗传算法的机理
• 5.2.2 遗传算法进行特征选择的步骤
• 5.2.3 遗传算法的控制参数和选择
• 5.2.4 涤/棉、粘/棉混纺纱线纤维识别的特征选择
• 5.2.4.1 涤/棉混纺纱线纤维识别的特征选择
• 5.2.4.2 粘/棉混纺纱线纤维识别的特征选择
• 5.2.5 结果分析与讨论
• 5.3 本章小结
• 第六章 纤维识别分类的神经网络方法
• 6.1 网络结构的选择
• 6.2 纤维的识别与分类
• 6.2.1 神经网络结构
• 6.2.2 网络训练与识别结果
• 6.2.3 结果分析与讨论
• 6.3 神经网络训练样本的选择
• 6.3.1 训练样本选择原理
• 6.3.2 试验方法与结果
• 6.3.3 结果分析与讨论
• 6.4 本章小结
• 第七章 结语与展望
• 7.1 论文的研究内容总结
• 7.2 论文的主要贡献
• 7.3 存在的不足和今后研究的问题
• 参考文献
• 附录
• 攻读学位期间公开发表和撰写的论文
• 致谢