论文总字数：17050字

摘 要

在纺织产业中，随着织布机器效率的提高和织物品质的要求越来越严格，人工肉眼检验疵点方法的缺点开始暴露：人工成本的提高、效率低下等等，使其逐渐被淘汰，所以使用机器视觉代替人工肉眼检测疵点势在必行。

本文对织物疵点检测的特征提取问题进行了研究，设计了基于灰度共生矩阵提取特征值的疵点检测系统。先对图像进行预处理，对有噪点干扰的图片去噪，然后对图片进行灰度化处理，根据灰度化后的图片得出灰度共生矩阵，在灰度共生矩阵的基础上得到六个特征值：逆差矩、熵、对比度、相关性、二阶距、差异性。以这六个特征量作为BP神经网络的输入建立织物疵点检测模型。使用matlab对本文的方法进行仿真实验，实验结果表明对以上七种疵点识别率很高，本文的方法在以上疵点检测具有可行性。

关键字:织物疵点检测 灰度共生矩阵 BP神经网络 特征提取

On Feature Extraction Algorithm for Fabric Defect Detection

Abstract

In the textile industry, with the improvement of the efficiency of weaving machine and the requirement of the quality of fabric are more and more strict,human eye test method has exposed defects:the improvement of labor cost,low efficiency and so on.So the use of machine vision instead of artificial visual defect detection is imperative.

This paper studied the feature extraction of fabric defect detection,designed the defect system

syste of GLCM feature extraction.Firstly,images were preprocessed,secondly,denoising the noise images,lastly,The glcm is obtained according to the gray image.We can get six characteristic values:deficit moment, entropy, contrast, correlation, two - order distance and difference.With these six features as the input of BP neural network to establish the model of fabric defect detection.Using MATLAB, the method of simulation experiment. The experimental results show that on more than seven kinds of defect recognition rate is very high, the method in the above defect detection is feasible.

Key words:Fabric defects detection; glcm; BP neural network; characteristic parameter collection

目 录

摘要 I

ABSTRACT II

第一章 绪论 1

1.1 课题研究的背景和意义 1

1.2 国内外研究现状 1

1.3 本文的研究方法及结构 3

第二章 织物图像的预处理 4

2.1常见布匹疵点分类 4

2.2 噪声的概念和分类 5

2.3 图像去噪的方法 6

2.3.1 均值滤波 6

2.3.2 中值滤波 8

2.3.3 保守滤波 9

2.4 光照不均匀的处理方法 10

2.5 图像的灰度化 10

第三章 基于灰度共生矩阵的织物图像特征提取 12

3.1 疵点自动检测的流程 12

3.2 灰度共生矩阵 12

3.3 基于灰度共生矩阵的统计特征 16

3.4仿真实验及结果分析........................................................................................................16

第四章 基于BP神经网络的织物疵点检测模型 18

4.1 BP神经网络理论 18

4.2 BP神经网络的设计 19

4.2.1 神经网络的输入节点和输出节点 20

4.2.2 神经网络隐层节点的选择 20

4.2.3 节点转移函数的选择 21

4.2.4 初始网络权值和阈值的选择 22

4.3 仿真实验及结果分析 23

4.3.1 单色布的疵点测试...............................................................................................23

4.3.2 具有花纹的织物疵点的测试...............................................................................24第五章 总结和展望................................................................................................27

5.1 总结 27

5.2 展望 27

参考文献 29

致 谢 31

第一章 绪论

1.1 课题研究的背景和意义

中国自古就是纺织大国，闻名天下的丝绸距今也已经有3000余年历史，如今，中国已经拥有世界最大规模的纺织业，其产量已经超过世界总产量的50%，市场占有率超过世界份额的30%。

但是虽然机器织布的效率大大提高，但仍无法规避织物疵点的产生，如何高效地检测织物疵点是进一步提高纺织业生产效率的关键。

传统的人工检测疵点方法如图1-1所示，其存在低效率，高误检率，高人工成本等缺点，已经不再符合当今快速地生产节奏，那么，使用机器视觉解放人眼的检测方法对于纺织业则具有一个划时代的意义。

图1-1 手工验布

请支付后下载全文，论文总字数：17050字