基于时频变换的机纺织物结构分析和疵点检测

论文摘要

本文在牛仔布料的结构测定和织物的表面特性两个方面进行了探索，主要讨论了傅立叶变换的方法和自适应小波变换方法在这两方面的应用。织物结构的自动检测在工业应用中非常重要，本文提出了一种能够快速准确的计算织物结构信息的方法。这种方法是根据傅立叶谱图的特征操作的。它可以将布料的分成固定结构的几类，在查询的时候就可以缩小查询范围。我们将这种方法用在三种牛仔布料的结构计算上，分别是平纹、缓斜纹和急斜纹。不同结构的布料，具有不同种频谱图，并且能够精确的计算出织物的浮长。检测的准确性可以达到96％。织物的表面特性是一项重要的参数，为了美观，有些牛仔布料当中可能会人为的添加一些“自然”花纹，比如说竹节纱，因此竹节纱的检测，也是本文讨论的一个问题。傅立叶变换频谱的特征不仅可以用来计算结构，也可以用来检测竹节纱。由于频谱中的亮点具有特殊的意义，它们代表了织物图中的不同的纹理。因此如果能够将一些基本的纹理去掉，就有可能留下织物的疵点信息。根据这个原理，我们将其应用到竹节纱疵点的检测中，结果显示此方法能够较好的检测出竹节纱。但是傅立叶变换方法在检测疵点方面有其不可避免的缺陷，傅立叶方法谱带的选择必须依赖经验值，不能够自适应。为了达到自适应的效果，可以利用自适应小波的方法。本文应用织物自适应正交小波对织物疵点的检测和识别进行了分析。首先介绍了织物图像的小波分解算法和紧支撑正交小波，在此基础上提出了织物自适应小波的构造，由自适应小波对织物图像分解。分解后的图像能够适应织物的基本纹理，而突出织物的疵点信息。实验证明了该方法对素色织物的常见疵点具有快速、准确的检测效果。

论文目录

• 摘要
• Abstract
• 目录
• 1 绪论
• 1.1 织物的结构分析
• 1.2 织物疵点和自动检测算法的回顾
• 1.2.1 基于统计的疵点自动检测方法
• 1.2.2 基于结构的疵点检测方法
• 1.2.3 基于模型的疵点检测
• 1.3 常用方法
• 1.4 本文的研究内容
• 2 基于傅立叶变换的纺织物结构参数分析和疵点检测
• 2.1 傅立叶变换
• 2.1.1 Fourier变换及其逆变换
• 2.1.2 二维连续函数的傅立叶变换
• 2.1.3 一维离散傅立叶变换
• 2.1.4 二维离散傅立叶变换
• 2.1.5 Fourier变换进行图像处理时的一些特点
• 2.1.6 傅立叶变换的时域和频域周期之间的关系
• 2.2 机纺织物的结构分析——浮长的识别和计算
• 2.2.1 机纺织物的分类
• 2.2.2 模版布料在频域中的特征
• 2.2.3 识别不同浮长的织物
• 2.2.4 计算浮长
• 2.2.5 试验结果
• 2.3 竹节纱的检测
• 2.3.1 竹节纱
• 2.3.2 检测方法
• 2.3.3 试验结果
• 3 基于自适应小波变换织物疵点检测
• 3.1 小波变换
• 3.2 离散小波变换
• 3.3 小波函数的时频窗和带通性质
• 3.4 多分辨分析（Multi-Resolution Analysis,MRA）
• 3.5 二维离散小波变换
• 3.6 如何构造小波基
• 3.7 自适应小波变换
• 3.8 试验结果
• 结论
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢