基于多尺度小波表示和Gabor滤波器虚部的布匹瑕疵检测算法研究

论文摘要

目前在纺织品生产中，织物瑕疵检测主要是通过人工来完成，但受到劳动强度和环境条件等因素的影响，无法确保高准确性和高效率，且对人的视力容易造成伤害。故采用自动织物瑕疵检测的系统对降低成本和提高工作效率是一种合理的选择。本文重点研究了三种布匹瑕疵检测算法，并实现了基于小波和Gabor滤波器虚部检测算法并行的瑕疵自动检测软件。针对局部点、块状类型的瑕疵，本文研究了一种基于多尺度小波表示(MSWAR)的织物瑕疵定位方法。算法先对输入图像做小波变换，接着融合变换后的三个高频边缘得到特征图像，然后结合相关维的概念分别计算特征图像的全局同一性和局部粗糙程度以确定瑕疵的存在和瑕疵的位置，最后为了减少光照不均带来的负面影响，采用Ostu方法对图像进行二值化。算法有效的检测了样本库中的点、块状瑕疵。能部分支持横、纵向瑕疵的检测定位，且对不支持种类的瑕疵虚警率很低。针对横、纵向贯穿型的瑕疵，本文研究一种基于Gabor滤波器虚部的织物瑕疵定位方法。算法通过计算虚部Gabor滤波器算子和图片横、纵向投影信号做卷积，有效地突出了瑕疵所在的位置。算法有效利用了Gabor滤波器对横、纵向瑕疵的高检测率，且回避了多通道、多尺度二维Gabor滤波器带来的算法复杂度提升，运行效率很高。本文还研究了一种基于奇异值分解(SVD)的织物瑕疵定位方法。算法将样本图像看成矩阵，对矩阵做分块后处理后在子图像上做奇异值分解，并直接提取奇异值作为特征，通过分块矩阵奇异值均值和原矩阵奇异值均值的对比来确定瑕疵的位置。算法是无监督的，运行时间消耗集中在SVD分解部分，效率较高。该算法部分补偿了基于多尺度小波表示和Gabor滤波器虚部检测算法对某些类的支持不足。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题意义
• 1.2 国内外研究现状
• 1.3 常用布匹瑕疵检测算法
• 1.3.1 基于模型的方法
• 1.3.2 基于统计的方法
• 1.3.3 基于频谱的方法
• 1.4 常见布匹瑕疵描述
• 1.4.1 我国纺织行业标准织物疵点分类
• 1.4.2 布匹瑕疵粗分类
• 1.4.3 数据库简介
• 1.5 布匹瑕疵自动检测系统组成
• 1.6 本文工作安排
• 第二章 基于多尺度小波表示（MSWAR）的布匹瑕疵检测
• 2.1 引言
• 2.2 算法描述
• 2.2.1 小波变换模块
• 2.2.2 边缘融合和信号规范化
• 2.2.3 全局同一性和局部粗糙程度
• 2.2.4 门限处理和阈值分割
• 2.3 实验结果分析
• 2.3.1 实验结果
• 2.3.2 实验结果分析
• 2.3.3 总结
• 第三章 基于Gabor滤波器虚部的布匹瑕疵检测
• 3.1 引言
• 3.2 Gabor滤波器简介
• 3.2.1 二维Gabor滤波器
• 3.2.2 多通道Gabor滤波器
• 3.3 基于Gabor滤波器虚部的布匹瑕疵检测
• 3.3.1 算法描述
• 3.4 实验结果分析
• 3.4.1 实验结果
• 3.4.2 总结
• 第四章 基于奇异值分解（SVD）的布匹瑕疵检测
• 4.1 引言
• 4.2 奇异值分解相关理论
• 4.2.1 奇异值分解
• 4.2.2 奇异值分解在布匹瑕疵检测中的稳定性
• 4.2.3 奇异值和图像灰度级变化成比例
• 4.2.4 利用奇异值分解进行降维
• 4.3 基于SVD的检测算法描述
• 4.4 实验结果分析
• 4.4.1 实验结果
• 4.4.2 结果分析
• 4.4.3 总结
• 第五章 软件介绍与测试
• 5.1 软件介绍
• 5.2 软件测试
• 第六章 总结展望
• 致谢
• 参考文献