论文总字数：26910字

摘 要

我国的织物疵点的检测技术还是以人工检验为主，存在劳动强度高、准确率低的问题。因此，本文对织物疵点的自动检测问题进行了详细研究，利用计算机图像处理技术对织物图像的分析和识别来检测出含有疵点的织物。

本课题首先采用灰度化处理和中值滤波的方法对图像进行预处理，再用灰度直方图方法提取五种图像特征，即均值，标准差，相关性，对比度，熵，最后采用阈值法和SVM两种方法对织物疵点进行检测。利用MATLAB软件进行仿真实验，实验的结果表明阈值法对于疵点检测的准确率并不是很高，而且受外部条件的影响比较大，而使用SVM法进行分类的准确率则是非常高的。

这种自动检测技术可以减少传统人工检测的错误率，提高生产效率。

关键词：织物疵点检测 灰度直方图 特征提取 图像预处理

On Automated Fabric Defect Detection Algorithm

Abstract

Fabric defect detection technology in our country still is given priority to with artificial test, has the problem of high labor intensity and low accuracy.Therefore, in this paper, the automatic detection of fabric defect problems have been studied in detail, using computer image processing technology to fabric image analysis and recognition to detect the fabric with defects.

This topic first gray processing and the median filtering method is used for image preprocessing, then gray histogram method was used to extract the five images, namely the mean, standard deviation, correlation, contrast, entropy, finally using threshold method and the SVM method to test the fabric defect.Using the MATLAB software simulation experiment, the experiment results show that threshold value method for defect detection accuracy is not high, and the influence of external conditions is large, and using SVM method for classification accuracy is very high.

The automatic detection technology can reduce the error rate of traditional manual testing, improve production efficiency.

Key Words: cloth defect detection, gray level histogram, image processing,characteristic parameter collection

目 录

摘要 I

Abstract II

第一章 绪论 1

1.1课题的研究背景和意义 1

1.1.1该课题的背景 1

1.1.2 本课题的意义 2

1.2国内外研究现状 2

1.3本文的研究思路 5

1.4本文的组织结构 6

第二章 织物图像的预处理 7

2.1 彩色图像的灰度化处理 7

2.2对图像进行中值滤波 7

2.3通过直方图均衡化增强疵点对比 8

第三章 基于灰度直方图的织物图像特征提取 11

3.1常见疵点分类 11

3.2织物特征提取的要求 12

3.3特征提取常用方法介绍 12

3.3.1 统计法 13

3.3.2频谱法 14

3.3.3 结构法 15

3.4基于灰度直方图的特征提取 15

3.4.1 灰度直方图的优势 15

3.4.2 灰度直方图定义 15

3.4.3 图像特征值算法介绍 16

第四章 织物疵点检测及分类算法分析 19

4.1检测疵点过程 19

4.2阈值法疵点检测 19

4.2.1 非单色布匹 19

4.2.1单色布匹 22

4.3基于SVM的疵点分类算法 24

4.3.1 支持向量机（SVM）的简介 24

4.3.2 支持向量机的原理 24

4.3.3 基于SVM法疵点分类的实验结果 27

第五章 总结与展望 30

5.1研究工作总结 30

5.2展望 30

参考文献 32

致 谢 34

附录1 35

附录2 35

第一章 绪论

1.1课题的研究背景和意义

1.1.1该课题的背景

我国虽然是纺织大国，但是织物疵点的检测技术严重滞后，大多数还以人工检验为主，传统的人工检验法多用手感、目测法，人为因素干扰很大，准确率不高。随着计算机图像处理技术应用的不断推广，近十几年来，纺织领域也像其它学科领域一样，在很多方面开始利用数字图像处理技术进行分析与检测。在纺织品检测中，应用图像技术可以减少人主观上的干扰，改变目测识别时的效率低下等问题。

由织物原料到成品织物，需经过纺纱、织造、印染等多道工序，在每道工序的加工中，设定条件不当，机械故障，人员操作疏忽等，均可能导致产品外观上的缺陷。据估计，织物的价格会因为存在疵点下降 45%到 65%^[1]。在我国，大多数的纺织企业仍采用人工检测的方法[如图1-1所示]。传统的人工检测疵点的过程在验布机上进行，检测人员观察布面，参照验布标准，寻找织物疵点。对可当场修整的疵点当场进行修整，对不能当场修整的疵点，做上标记，由专门的修布工人来修整。人工验布是一种乏味而繁重的劳动，由于受到检测人员生理、心理和主观意愿等因素的影响以及劳动强度的限制，很难保证检测结果的高准确性和可靠性。由于人为因素的影响，在织物退绕速度不超过 30m/min 的情况下，在幅宽不超过 2 米的布面上，熟练的检测工人最多能发现 60% 的疵点^[2]。

图1-1 人工检测

1.1.2 本课题的意义

随着计算机技术、数字图像处理技术和模式识别技术等的发展，利用计算机代替人工进行织物疵点的自动检测成为可能。由于计算机和传感器成本大大降低，一些新技术也不断应用于织物疵点自动检测系统。织物疵点自动检测系统的开发和研制是纺织技术与信息技术交叉的前沿领域，已经成为近年来国内外学者研究的热门课题之一，已取得了一定的成果。但其中大部分还是以算法、专利或实验样机等形式被报道，而国外的一些织物疵点检测系统价格昂贵，在检测与识别处理能力上均有限，并没有得到广泛的应用。在这个背景下，开发适合我国纺织工业情况的织物疵点自动检测系统，用机器代替人工操作，可将人力从单调枯燥的劳动中解放出来，可以大大提高纺织工业的自动化程度和生产效率。

1.2国内外研究现状

近30年来，国外及国内的诸多学者对织物疵点检测算法进行了深入且全面的探索，现如今已经有少量的研究成果开始推入市场使用，如瑞士乌斯特公司基于神经网络分类技术研制的Fabriscan验布设备、比利时的巴可公司研制的自动检布系统、德国的Obdix光电技术公司研制的实时织物疵点检测设备、以色列Eibitvision系统公司开发的I-Tex型在线验布机设备等[图1-2]。虽然当前有不少自动验布机系统推向市场使用，但是经市场检验能够真正合格的却不多，当前市场上真正正在使用的验布机系统主要是以色列的Eibitvision系统公司开发的自动验布机。以色列Eibitvision系统公司的织物疲点自动检测设备的关键装置为I-TEX，它是一套自动识别检测系统，此检测设备基于独特的图像识别检测算法，其算法仿照了人的视觉系统原理，能够实现系统的自动检测、存储、快速标记疵点位置等功能，同时还能够对疵点的类型、长短等信息进行更为全面的分析。其能够检测出小到0.5毫米的可见疵点，检测的布宽可达330厘米。该公司目前已经向全球各大洲的纺织企业销售了多达两百套的该型号系统，其当前的市场份额已经达到全球自动验布机销售份额的百分之九十之多，我国也有少数的纺织企业试购买了该系统，但是由于价格昂贵及实际检测效果不佳，所以国内的自动验布机的使用仍是空白。

请支付后下载全文，论文总字数：26910字