[硕士论文精品]基于计算机视觉的织物等级自动评定研究

东华大学硕士学位论文摘要基于计算机视觉的织物等级自动评定研究摘要在纺织品生产中，验布是质量控制的一个重要环节。迄今为止，传统的验布都是由人工来完成的，由于人工验布是一种单调、乏味且繁重的劳动，验布人员的验布能力还受到工作环境、自身生理和心理等因素的影响，故人工验布结果受到验布人员主观的影响较大，且验布的速度比较慢。随着计算机和图像处理技术的发展，计算机视觉越来越多地被应用于工业生产，基于计算机视觉的自动验布己成为人们关注的热点。本文在基于小波变换的疵点自动检测即假设疵点已检测出的基础上，探讨应用图像处理技术自动评定织物等级，具体研究内容如下1探讨了应用图像处理技术对织物疵点进行分割表征。首先使用均值滤波器模糊织物纹理组织，其次使用SOBEL算子检测疵点边缘，对边缘检测后的图像灰度直方图进行局部放大，得到分割门限，然后对分割后的疵点图像进行二值形态学处理去除噪声点，最后得到准确的疵点二值图像。从而可以从疵点二值图像中提取特征值来表征疵点。2制定了疵点自动评分规则和布卷自动评等规则。根据小波自动检测疵点和图像处理分割疵点的特点，参考人工验布规则，制定了自动评分和评等规则。3初步建立在小波自动检测疵点的基础上，应用图像处理技术分割疵点的织物等级自动评定系统的软件，并用MICROSOFTA二552000数据库和MICROSOFTVLSUA1BASIC60对系统进行了实现。通过研究得到如下的结论1由疵点检测、疵点分割表征和疵点评分与布卷评等三个主要部分构成的基于计算机视觉的织物疵点自动评定系统从原理上是可行的，实践也证实了其正确性和实用性。2通过对竹节、粗经、双经、断经、双纬、脱纬、纬缩、吊经、稀纬、杂物、破洞、油污等常见的十二种疵点进行分割表征试验，并与人工表征比较，东华大学硕士学位论文摘要结果表明本文建立的图像处理方法可以对生产中常见的疵点进行正确地分割和表征。3对在人工评分和自动评分时被识别为同一类型的疵点，两个规则使用相同的评分标准，对被识别为不同类型的疵点，参考人工评分规则，制定自动评分规则。自动评等规则与人工评等规则一致。比较两个评分结果表明，自动评分规则的评分结果与人工评分结果较为吻合。4使用编写的织物等级自动评定系统软件对疵点进行分割表征和评分，对布卷进行评等，试验结果表明本文探讨的织物等级自动评定方法具有较好的实用性关键词自动验布系统，计算机视觉，数字图像处理，疵点评分，织物评等东华人学硕士学位论文人NSTRAC】，STUDYONCOMPUTERVISION一BASEDAUTOMATICFABRICGRADINGABSTRACTLNTHEWHO1EPR0CESSOFFABRICMANUFACTURING，FABRIEINSPECTIONISANIMPORTANTPROCEDURESOFAR，THETRADITIONALFABRICINSPECTIONISCOMPLETEDMANUALLY，WHICHISADULL，TEDIOUSANDTIRINGWORKTHERESULTISEASILYINFLUENCED勿THEINSPECTORSABILITY，HISMENTALITYCONDITIONANDHISPHYSIOLOGICALSTATE，MEANWHLLE，ITISINEFFICIENTWITHTHEDEVELOPMENIOFCOMPUTERANDDIGITALIMAGEPROCESSINGTECHNIQUE，THECOMPUTERVISIONISMOREANDMOREFREQUENTLYAPP1IEDININDUSTRIALPRODUCTIONTHECON1PUTERVISION一BASEDAUTOMATICFABR1CINSPECTIONHASBECOMEONEOFTHERESEARCHFOCUSESBASEDONWAVEL以TRANSFONN一BASEDAUTOMATLCFABRICDEFECTSDETECTION，NAMELYDEFECTSHAVEBEENDETECTED，WITHIMAGEPROCESSINGTECHNIQUE，THEAUTOMATICFABRICGRADINGISDISCUSSED，THESPECIFICCONTENTSAREASFONOWS1WITHIMAGEPROCESSINGTECLLNIQUE，THEDEFECTSEGMENTATIONANDCHARACTERIZINGAREDISCUSSEDFIRSTLY，THEREGULARTEXTTLREONFABRICSURI五CEISSMOOTHEDWITHMEDIALFILTER，SECONDLY，THEDEFECTEDGEISINSPECTEDWITHSOBELOPERATOR，ANDTHEN，BYMAGL11FYINGTHEIMAGEGRAYHISTOGRAM，THET11RESHOLDISFOUNDTOSEGMENTDEFECTS，FINALLY，THEEXACTDEFECTBINARYIMAGESAREGOTT阴USINGMORPHOLOGYPROCESSINGTOREMOVENOISEPOINTSAROUNDDEFECTBYCOMPUTINGDEFECTBINARYIMAGESTOEXTRACTFEATUREPARAMETERS，DEFECTSARECHARACTERIZED，2THERULESOFALLTOMATICDEFECTASSESSMENTANDFABRICGRADINGAREMADEBASEDON1HECHARACTERISTICOFWAVEL改TRANSFOL，11一BASEDAUTOMATIC东华大学硕士学位论文ANSI浪ACTDEFECTSDETEOTIONANDOFDEFECTSSEGMENTATIONWITHIMAGEPROCESSINGTECHNLQUE，THERULESOFAUTOMATICFABRICINSPECTIONAREMADEACCORDINGMPUALRULES3BASEDON，VAVELETTRANSFORM七ASEDAUTOMATICDEFECTDELECTIONANDDEFECTSE脚ENTAT1ONWITHIMAGEPROCESSINGTECHNIQUE，THESOFLWAREOFAUTOMATICFABRICGRADINGISESTABLISHEDPRIM胡LY，ANDCARRLEDOUTWITHMICR0SOFTACCESS2000ANDMICROSOFTVISUALBASIC60WEGOTCONCLUSIONSASFOLLOWS1THEAUTOMATICFABRICGRAD1NGSYSTEMISABSTRACTIYFEASIBLE，WHICHISCOMPOSEDOFTHREEPARTSDEFECTSDETECTI叭DEFECTSSEGMENTATIONANDCHARACTERIZING，DEFECTSASSESSMENTANDFABRICGRAD1NGLLISALSOPROVEDCORRECTANDPRACTICALINPRACTICE2THEAUTOMATICSEGLNENTATION，CHARACTERIZINGANDASSESSMENTRESULTSOFSOMETYPICAIDEFECTSYIELDINGDURINGROUTINEWEAVINGPROCESSAREREPO血D，SUCHASCOARSEEND，MISSINGEND，DOUBLEWARP，DOUBLEPI火TAPEDFILLING，OPENSETTING，SLUBYAM，GOUT，FABRICHOLE，OILEDDEFECT，WEFTKINKS，TIGHTTHREADANDETCTHEE即ERIMENTALRESULTSSHOWTHATTHESE勿P1CALDEFECTSCANBESEG11LENTEDANDCHARACTERIZEDCORRECTLYWITHIMAGEPROCESSI吧TECLLNJQUEDISCUSSEDINTHISPAPER3FORTHOSEDEFE比，WHICHAREIDENTLFIEDASTHESA们。ETYPEINMANUALANDAUTOMATICRULES，THEAUTOMATICDEFECTASSESSMENTRULESARETHESAMEASMANUAL，FORTHOSEDEFECTS，WHICHAREIDENTIFIEDASTHEDI们免RENTTYPE，NEWRULESAREMADE韶CORDINGTOMANUALTHEDEFECTS，WHICHAREIDENTIFIEDASTHEDIFFERENTTYPE，AREASSESSEDWITHAUTOMATICRULESANDROANLLALRULESRESPECTIVELY，THEEXPERLMENTALRESULTSSHOWTH武WITHAUTOMATICRULESMADEINTHISPAPER，DEFECTSCANBEASSESSEDINACCORDWITHMANUALRULESBASICAL卜，4USINGTHEAUTOMATICFABRICGRAD1NGSOFTWARE，THEDEFECTSARESEGRNENTEDANDASSESSE氏THEFABRICISGRADEDTHEEXPERIMENTALRESULTS东华大学硕士学位论文ABSTRACTSHOWTHAT，THETECHAIQUEOFAUTOMATICFABRICGRADINGDISCUSSEDINTHISPAPERISPRACTLCALXIADONGSHENGTEXTILEENGINEERINGSUPE四ISED妙WANGJUNKEYWORDSAUTOMATICFABRICINSPECTIONSYSTEM，COMPUTERPROCESSINGTECHNIQUE，DEFECTASSESSMENT，FABRICGRADINGVIS10LL，LMAGE附件一东华大学学位论文原创性声明本人郑重声明我格守学术道德，崇尚严谨学风。所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已明确注明和引用的内容外，本论文不包含任何其他个人或集体己经发表或撰写过的作品及成果的内容。论文为本人亲自撰写，我对所写的内容负责，并完全意识到本声明的法律结果由本人承担。学位论文作者签名日期勺从年月怕附件二东华大学学位论文版权使用授权书学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅或借阅。本人授权东华大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密口，在_年解密后适用本版权书。本学位论文属于不保密创。指导教师签名日期俨牌1月日东华大学硕士学位论文第一章绪论第一章绪论随着计算机技术和数字图像处理技术的发展，计算机视觉技术越来越多地被应用于工业生产。目前，国内纺织生产中的布卷检验绝大多数都是由人工视觉来完成，它是由检测人员在特定的照明条件下按个人经验根据织物评分、评等标准对织物等级做出评定，井填写各种织物疵点报表。其主要工作为两部分，首先是对织物上的疵点进行检测然后是用疵点评分标准对检测出的疵点进行评分，最后用织物评等标准对织物的等级进行评定。计算机视觉由于它的无疲劳、稳定、客观和快速等优点而逐渐取代人工视觉，成为国内外学者共同关注和研究的热门课题之一。下面就对基于计算机视觉的验布研究现状做一简要综述。基于计算机视觉的织物疵点自动检测疵点检测是验布工序的第一步，也是最关键的一步，它要求对织物上的疵点进行识别和定位。从20世纪70年代起，人们便开始对这一领域进行探索，经过30年的研究已取得了很多成果。纵观前人的研究成果，织物疵点的自动检测从研究途径大体上可分为两种。一种是基于光学变换的自动检测，通过对织物的光学成像，提取疵点信息检测疵点另一种是基于图像处理的自动检测，通过对由摄像机或扫描仪所采集的织物图像进行分析计算检测疵点。基于光学变换的疵点自动检测方法织物是由经纬纱交织而成，相干平行光照射织物后会发生衍射，经傅里叶透镜转换后可以得到织物的傅里叶功率谱，疵点的出现会在功率谱上得到响应，对织物的傅里叶功率谱进行分析可检测疵点。薄立川等人对布面疵点的光学/计算机混合识别法进行了探讨。用能同时保持环型探测器旋转不变和楔形探测器比例尺不变的特性的楔/环探测器WRD作为织物光学功率谱的接收器，并提供给计算机一个反映光学功率谱东华大学硕士学位论文第一章绪论空间分布的64维特征向量，然后用二分树分类器来给疵点分类。通过对破洞、断经等八类疵点进行实验，平均识别率达87。法国的斑BOL云闭等人将透过织物的激光光束进行光学傅里叶变换得到其傅里叶功率谱，并将其转换成相应的电信号，提取功率谱上的中心峰值和经向、纬向的两个相邻峰值，将这些峰值与无疵点和己知疵点的功率谱的相应峰值作比较，从而对疵点进行检测作者在静态和动态情况下对该方法进行了测试，认为可以进行实时、在线的疵点检测。但是，由于峰值之间区域的信息被忽略了，故只能检测出少数一部分疵点。CHENI31等人在LBOLZI的基础上，考虑了峰值之间区域信息，用CCD记录织物的傅里叶功率谱，并提取了93个特征参数，以此来训练BP神经网络，从而对疵点进行检测和分类。为提高时间效率，他还把织物的FFTFASTFOURIER肠出招FORM，二维快速傅里叶变换用经向和纬向两个一维的FFT代替。实验表明，对一幅256X256的图像，检测和分类的时间为02秒，而且可以正确识别和分类12种疵点中的9种。2000年MAILIKL等人采用基于激光的图像形态学处理来检测织物疵点。在光学成像过程中，在傅里叶平面上用一个直径为075NUN的孔径作为滤波器来滤除织物的周期光栅结构。重建后的图像用CCD记录，再对记录的图像进行二值化和形态学处理腐蚀、膨胀、开运算等去除激光系统产生的噪声，从而得到清晰的疵点二值图像，进而检测出疵点的存在。采用光学变换进行疵点自动检测速度快，在动态检测中，布的移动和抖动不会引起光学功率谱谱面上各级谱点产生位置上的变化，且不受织物种类的限制。但由于进行光学转换时容易受外界光线的影响，故对检测环境要求很高，灵活性不够，其检测精度及疵点种类的通用性不理想，特别在检验经纬密度相对较高的织物时效果很差。随着计算机技术、数字图像技术和神经网络技术的发展，使得基于图像处理和微型计算机平台的织物疵点自动检测成为可能。从20世纪90年代初开始一直到现在，图像处理用于疵点自动检测的研究形成高潮。东华大学硕士学位论文第一章绪论1，2基于图像处理的疵点自动检测方法一般来讲，基于图像处理的疵点自动检测过程为织物图像采集，图像预处理，图像分析和疵点检测分类等阶段。基于图像处理的疵点自动检测技术的核心内容是对采集的织物图像进行处理的方法。按照图像处理的方法，研究的途径可分为两种，一种是直接对图像的灰度值在空间域计算，抽取特征值另一种是通过FFT，GABOR变换，小波变换等方法把图像转换到频域后再进行分析。21在时域处理图像的疵点自动检测方法在数字图像处理中，纹理特性提取是对物体图像灰度级变化的特征进行量化。一般来说，纹理特征与物体的位置、走向、尺寸、形状有关。对图像灰度值直接进行计算，如灰度共生矩阵、马尔科夫随机场等，是纹理分析常用的方法许多基于共生矩阵的特征值己被验证，包括嫡、对比度和二阶矩等但也存在着计算量大，导致处理速度慢的缺点15，气YOSHIOSHI耐ULV等从图像灰度共生矩阵中提取特征值，通过贝叶斯决策对疵点进行分类。采用图像匹配的方法建立了织物疵点检测专家系统。FSCOHENLS等采用高斯一马尔科夫随机场翎RF纹理模型对织物疵点的检测进行了研究。首先对没有任何疵点的织物图像进行训练，得到表示该种织物纹理的GMRF参数，作为检验过程的参考指标。检测时，对待检测织物图像分块，每个块内计算GMRF参数同参考指标的“距离”，以确定图像块是否存在疵点。BALAKRISHILLANLG等人研究了基于计算机视觉的织物疵点识别和分类系统。从采集的织物图像种抽取特征值后，由MALLALANOBIS距离分类法对疵点进行分类。作者比较了直接对灰度图像抽取的平均值、协方差等统计特征值和从共生矩阵中抽取的角二阶矩、对比度等纹理特征值对分类结果的影响。在对缺纬等四种疵点实验后发现，纹理特征值的分类正确率为87，明显优于统计特征值的73，而两者同时使用效果更好，达到了93。但统计特征值对无疵点分类有很高的正确率达到95。而纹理特征值抽取要计算共生矩阵，所以计算量要大于统计特征值的抽取。最后作者先用统计特征值将无疵点类分出，在用两种东华大学硕士学位论文第一幸绪论特征值相结合对剩下的疵点分类，这样既有较高的正确率，又有较好的处理速度。CONCILLOL等人用边缘检测、分形维数和闽值化三种方法对12种疵点进行检测，对三种方法的准确率和时间效率作了比较。实验结果表明，分形维数法的无疵点识别率和疵点识别率达到了98和100，远远优于边缘检测的90和98，闭值化的85和85。且分形维数法可以在10秒内完成计算，时间效率也比其他两种方法高。作者认为可通过架设多台与织物成不同角度和不同距离的摄像机来提高识别能力。台湾科技大学的HUANG，1等人用整合了支持专家知识和经验的模糊逻辑和具有学习、推理、容错能力的BP神经网络的模糊神经系统对9种疵点进行了检测。对采集的正常织物和8种疵点织物图像进行阐值化，去掉织物背景后，对疵点灰度图像提取水平垂直投影长度、灰度均值等4个特征值输入模糊神经网络训练。该系统有四层，第一层为模糊运算，二、三、四层为BP神经网络。训练好后即可对疵点进行检测。结果表明该系统不但具有较高的识别能力只有2个样本疵点被错误地检测为正常织物，且有很高的运算速度，图像采集和特征值运算只要108秒，而分类只需要005秒，共113秒，已基本达到实时的要求。以上这些研究，特别是直接对灰度图像提取特征值的算法丢弃了织物的纹理信息，而且由于软硬件的限制，只能检测人眼看起来比较明显的疵点，检测疵点的种类少，计算速度较慢，难以适应工业化的需要。20世纪90年代中期以后，由于小波分析等现代数学工具的兴起，疵点检测研究以在频域对图像分析为主。1122在频域处理图像的疵点检测方法织物图像的二维傅里叶变换能包含全部的纹理信息，因此，像从物体本身导出纹理特性一样，从傅里叶频谱导出的特征值对疵点检测是非常有用的。而小波变换则由于其多分辨分析在对奇变信号检测中的优良特性，使之成为傅里叶变换之后在信号检测中最具有发展前途的研究工具之一。1傅里叶分析法东华大学硕十学位论文第一章绪论由CCD采集织物图像信息，经图像卡数字化后，由计算机软件处理，对织物疵点进行检测。它的特点是识别效果和速度受计算机软硬件的影响较大，但灵活性强，可以方便地变换不同算法，并且容易实现。TSALLL2等人用BP神经网络对缺经、缺纬、油污和破洞四种疵点进行检测。由织物图像的傅立叶功率谱计算的九种特征值参数作为训练神经网络的输入，分类正确率为55。19盯年的RAJASEKARANLL3采用交互传播网络CPN代替BP神经网络，据称速度提高了3000倍，而且网络不需要训练。CHI一HOCHANLL4等研究了傅里叶分析应用于织物疵点检测获取的织物图像，首先经直方图均衡化，目的是使图像的亮度和对比度标准化，然后经两点FFT计算出图像的频域功率谱，由其计算出七个参数，分别表示织物的不规则结构，纬纱结构和经纱结构。双经纬、缺经纬、破洞和密度波动等4类疵点，可由7个参数的变化检测出来。CHIULLS等探讨了基于分段布朗运动模型和傅里叶域的极大似然估计的纹理分割方法，对油污、水渍和破洞等较大疵点进行了检测。将织物图像分殷8X8大小的子块，估计每块中的平均分形参数H，含有疵点的块的H和不含有疵点的H有明显的不同，用它来从织物背景中分割出疵点。但是该方法对较小的疵点的检测有待于进一步的研究。采用傅里叶变换对织物疵点检测研究中还有去除织物纹理，增强疵点等方法，一般也是检测较大的疵点。但是傅里叶变换不能将稳定信号和非稳定信号区分开来，也不能给出频率出现的位置，故它不能给出疵点的空间位置信息。虽然短时傅里叶变换改进了傅里叶变换对非稳定信号的分析能力，但是用多个窗口来处理非稳定信号是困难和不切实际的。2小波分析法小波分析是一种信号的时间一尺度分析方法，它具有多分辨分析的特点，而且在时、频两域都具有表征信号局部特征的能力，是一种窗口大小固定不变，但其形状可以改变的时频局部分析方法。即在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率116，从而可以聚焦到对象的任意细节，很适合于探测正常信号中夹带的瞬变反常信号并分析其成分，所以被誉为分析信号的显微镜117。小波分析用于非东华大学硕士学位论文第一章绪论平稳信号和图像的处理优于传统的傅里叶变换，已被许多应用领域的事实所证实。WJJAS伴尸181等分析和比较了SOBEL边缘检测、FFT和小波变换对缺纬疵点的检测。实验表明，经典SOBEL边缘检测会产生许多人为的影响，傅里叶变换不能区分织物布面质量，而小波分析的方法是有效且可靠的，既能够对织物疵点准确定位，又能对织物质量做出区分。但是该方法只对一种疵点的检测进行研究，显然不能满足应用的需要。19年JASP韶19又研究了自适应小波在纹理描述和疵点检测中的应用。他应用小波滤波系数和表征织物纹理的矩阵构成二次代价函数，再加上小波系数的正交约束条件，构成一个二次函数。采用拉格朗日乘子法，计算出使二次函数取得极小值时的小波滤波器系数，以此代表织物的纹理。把织物疵点图像经该滤波器滤波，二值化后再疵点的位置有明显的峰值。作者发现，当滤波器系数个数同纹理重复单元的像素个数相等时，疵点对自适应小波的反应最敏感，滤波器系数过多或过少都不利于疵点的检测。该文献中检测的疵点仅包括缺纬、稀密路和松经三种。2000年台湾的MCHULZD21等采用最优小波包和人工神经网络技术检测四种织物疵点。对采集的织物图像作小波分解，并计算分解后子图像的香农嫡，对嫡值最小的子图像继续分解，共分解三层。选择香农嫡最小的六个子图像，其位置和嫡值作为24个参数，再加上均值和标准差共26个特征参数，输入到BP神经网络进行训练。用训练好的神经网络对缺经、缺纬、油污和破洞四类疵点进行检测，正确率达到了100，但是检测的疵点种类偏少。C一YWENI22等采用小波变换和共生矩阵检测油污、破洞和线形疵点。对织物图像进行小波分解后计算共生矩阵，然后提取嫡和对比度，根据图像窗口的分割来检测疵点。这种方法检测疵点的种类较少，计算速度也不快。从以上研究工作中可以看出，近期的疵点自动检测研究都把傅里叶变换、小波变换和神经网络作为疵点自动检测的重要工具。小波变换是由短时傅里叶变换发展起来的应用数学分支，具有多尺度的特点，以及在时、频两域表征信号局部特征的能力，非常适合检测信号的瞬态或奇异点，所以应用于疵点检测其优点是明显的123，。东华大学硕士学位论文第一章绪论人工神经网络是在生物学中神经网络理论的基础上，研究复杂的多维非线性大系统中信息的分布，传递以及处理的理论和方法，并用于解决实际的过程问题124刘。它由很多处理单元有机地联结起来，进行并行的工作，且处理的信息和知识是非线性的。神经网络以其联想、记忆、推理能力、非线性、容错性和系统并行处理方式等方面的能力，在基于样本的自适应学习和故障模式快速分类方面具有非凡的优势，在有实时性要求的监控场合更有应用价值，这就决定了神经网络在疵点分类中的难以动摇的主导地位26、2刃1，2国内在基于计算机视觉的织物疵点自动检测方面的研究现状在国内，目前对基于计算机视觉的织物疵点自动检测的研究尚处于起步阶段。仅有东华大学的纺织学院进行了若干探索和研究。该院的贡玉南在其博士论文中分别用GMRF纹理模型、GABOR小波、墨西哥草帽小波对具有统计特征畸变、方向性特征畸变以及非结构化畸变的梦点进行了检测130，但是采用不同算法来适应不同疵点，而不能使用一种统一的检测方法，则显然不能满足疵点的实时快速检测需要。2000年，东华大学的徐增波探讨了基于WOLD纹理模型，去除织物纹理中结构性和准结构性纹理，再运用分形理论，从织物非结构性纹理中提取出表面维分形特征曲线，通过待测织物与标准织物分形特征曲线的比较，采用距离判别法检测和定位疵点的方法13和应用二维连续MORLET小波的时一频检测特性，通过织物纹理模型和频谱分析，提取出反应织物纹理的主要频率，并由之确定适应与织物纹理结构的最佳尺度和方向，最后从小波系数模中进行全局闽值化和进一步的形态学处理，定位和分割出疵点的方法132。但是实际效果并不理想。2003年，李立轻在其博士论文中针对MALLAT小波要经过多层分解才能提取织物纹理特征的缺点，用分步满足正交条件和逼近条件方法构造自适应正交小波，用该自适应正交小波对织物图像进行单层分解就可以提取织物纹理特征值1331。作者用该方法对竹节、双纬等常见织物疵点检测表明，该方法可以对常见的织物疵点快速、有效地识别，并对疵点进行准确的定位，并认为经进一步完善有望在工业化的织物疵点快速自动检测中得到应用。但是该方法还只适用东华大学硕士学位论文第一章绪论于白色和浅素色织物的布面疵点检测，而对颜色较深或织物纹理非常复杂的织物适应性有待进一步的研究。3基于计算机视觉的织物等级自动评定在国外，织物等级自动评定已被应用于自动验布系统，比如像山东德棉引进的以色列爱微丝EVS公司的1TEXLOO验布系统，它是根据布卷质量和其平均最低等级来确定布卷的整体分类，并用优化裁剪软件对布卷进行优化裁剪。而在文献中尚未出现对基于计算机视觉的织物等级自动评定的研究。在国内，大部织机水平有限，织出的布上疵点还比较多，国外的自动验布系统还不适应国内的生产情况，这种忽略疵点特征这一重要信息的织物等级评定显然是不客观的，所以在国内验布中的织物等级评定还是一项繁重的劳动。目前，国内关于自动验布的研究工作主要集中于疵点自动检测上，故对织物等级的自动评定的研究目前还尚未在文献中出现。考虑我们国家的国情，基于计算机视觉的织物等级自动评定将会和疵点自动检测配套研发和使用。14本文的主要研究内容本文的主要研究内容是运用图像处理技术对竹节、粗经、双经、断经、双纬、脱纬、纬缩、吊经、稀纬、杂物、破洞、油污等常见疵点可以进行准确地分割，从而正确地自动表征疵点，根据自动检测疵点的特点，参考人工验布的评分评等规则制定织物等级自动判定的评分和评等规则，最后由实验来评定图像处理技术分割疵点的准确性和自动评分和评等规则的客观性，为此，本文的主要研究工作和论文章节安排如下第一章为文献综述，对基于计算机视觉的自动验布研究进行了回顾，介绍了基于光学变换和基于图像处理的疵点自动检测，以及基于计算机视觉的织物等级自动评定的国内外研究现状，得知基于计算机视觉的自动验布中，疵点自动检测主要趋向于基于小波变换的检测方法。第二章在基于小波变换的疵点自动检测的基础上建立了织物等级自动评定系统，介绍了基于小波变换的疵点自动检测，探讨了织物等级自动评定系统的组成以及实现该系统的软件的模块组成。东华大学硕上学位论文第一章绪论第三章讨论了运用图像处理技术对织物疵点的表征。首先均值滤波对织物疵点图像进行预处理，其次使用直方图局部放大技术选择阐值，分割疵点，然后用二值形态学操作处理分割后的图像，去除织物纹理噪声，得到准确的疵点二值图像。最后对疵点二值图像进行计算，提取特征值，表征疵点。第四章详细介绍了织物等级自动评定系统软件的各组成模块，并根据基于小波变换的疵点自动检测特点，参考人工验布的评分和评等规则，制定了织物等级自动评定的评分和评等规则。第五章对竹节、粗经、双经、断经、粗纬、双纬、脱纬、纬缩、吊经、稀密路、杂物、破洞、油污等十二种常见疵点运用第三章中的图像处理技术进行分割表征，并与人工表征相比较，评价疵点表征的正确性。比较人工评分和自动评分规则对表征后的疵点的评分结果，评价了制定的织物等级自动评定的评分规则的客观性。第六章对全文做出归纳和总结，提出研究中存在的问题和尚未完成的工作，对进一步研究的方向提出了建议。东华大学硕士学位论文第二章织物等级自动评定系统第二章织物等级自动评定系统在国内，如果使用基于计算机视觉的疵点自动检测代替人工的疵点检测，将使得疵点检测的效率大为提高，但是疵点检测后的疵点评分和布卷评等如果仍由人工来完成，这使得最终的织物等级判定受到了人为因素的影响，带有主观性，也使得织物疵点自动检测的速度快、客观性强和稳定等优点对整个验布工序的贡献大打折扣。所以，建立一套织物等级自动评定系统有着非常重要的现实意义。与人工验布一样，自动验布系统的工作主要为两步，首先对织物上的疵点进行自动检测，然后对检测出的疵点进行表征，再根据评分和评等准则进行疵点评分和布卷评等。所以理想的基于计算机视觉的织物等级自动评定系统需要解决三个问题一是疵点检测，即对织物图像上的疵点的有无进行判定，对检测到的疵点进行类型识别和定位二是疵点表征，即表征疵点的长度和宽度等信息三是疵点评分和织物评等规则，即根据疵点的类型、长度和宽度给出该疵点的得分，根据每匹布卷的得分判定布卷的等级。下面对织物等级自动判定系统进行具体的探讨。21基于小波变换的疵点自动检测随着计算机技术、数字图像技术和神经网络技术的发展，基于计算机视觉的疵点的自动检测的研究经过30多年的研究己取得了很多成果。特别是20世纪90年代中期以后，小波分析技术的兴起，疵点检测技术更加成熟，越来越适应工业化的需要。与傅里叶变换相比，基于小波分析的疵点自动检测不但可以检测到更小的疵点，而且可以对疵点进行精确的定位，但是对疵点类型只能做大致的分类，例如分为经向疵点、纬向疵点以及经纬向疵点。而借助于具有联想、记忆和推理等方面的能力的神经网络工具可以对疵点进行更加细致的分类，虽然目前其环境适应性差，还不适合于工业化生产，但基于小波分析的疵点自动检测和借助于神经网络的疵点分类将是疵点自动检测的主要趋势。东华大学硕士学位论文第二章织物等级自动评定系统本系统建立在文献【33的疵点自动检测研究成果上，用分步满足正交条件和逼近条件方法构造的自适应正交小波对织物图像的水平纬向和垂直经向方向分别进行单层分解，再对分解后的经纬向图像提取能量、方差、嫡、极差和对比度五个特征值，将之与正常织物相比较，从而检测出疵点的存在，同时对织物疵点进行精确的定位I33。即假设用该方法己经将织物疵点检测出来，且得到与疵点检测相关的信息如疵点类型，疵点位置等，在此基础上对疵点进行分割表征，评分，从而对织物等级进行自动判定。从文献33中的基于小波变换的疵点自动检测中我们可以得到以下疵点检换叮的相关信息1疵点是否存在，若有疵点，保存该疵点的织物图像2将检测出的疵点分为三类1经向疵点垂直方向疵点，在以图像左上角点为顶点，经向为垂直方向，纬向为水平方向的坐标系中，下同，即垂直方向分解白饥图像特征值异常疵点水平方向分解的图像特征值正常，如双经、断经、粗经等2，纬向疵点水平方向疵点，即水平方向分解的图像特征值异常，垂直方向分解的图像特征值正常，如横向竹节、双纬、缺纬等疵点3经纬向疵点，即水平和垂直方向分解图像都存在特征值异常，如破洞、油污、吊经等3检侧出的疵点在织物图像经纬方向上的具体像素位置。根据这些疵点的相关信息，我们运用图像处理技术对不同类型的疵点进行相应的分割，从而准确表征疵点。同时由这些信息总结出基于小波变换的疵点自动检测的特点，参考人工验布的评分和评等规则，制定出适合本系统的疵点评分和织物评等的规则。关于基于小波变换的疵点自动检测的详细介绍请参阅本文参考文献33。22织物等级自动评定系统的建立由基于小波变换的疵点自动检测对织物上的疵点进行检测，得到相关的疵点信息，运用图像处理技术和得到的疵点相关信息对检测出的疵点进行分割表东华大学硕士学位论文第二章织物等级自动评定系统征，结合基于小波变换疵点自动检测的特点，参考人工验布的评分和评等规则制定适合本系统的评分和评等规则，使用该规则对表征出的疵点进行评分，最后对织物的等级进行判定。织物等级自动判定系统的流程见图21。图21织物等级自动判定流程图根据织物等级判定的流程，我们建立如图22所示的织物等级自动判定系图22织物等级自动评定系统组成图东华大学硕士学位论文第二章织物等级自动评定系统统。由图22可知，该系统由三个主要部分组成疵点自动检测，疵点分割与表征和疵点评分与布卷评等。使用基于小波变换的疵点自动检测方法对织物上的疵点进行检测，将检测到的疵点的织物图像保存进疵点图像数据库，同时将相应的疵点信息如疵点类型、疵点位置等保存进疵点信息数据库，二者之间建立有相应的联系，即由疵点图像数据库中的某个疵点图像可以从疵点信息数据库中找到它的疵点信息，相反亦然疵点自动检测完成后，从疵点图像数据库中提取疵点的织物图像，从疵点信息数据库中提取与之对应的疵点信息，使用图像处理技术对该疵点进行分割，得到疵点的二值图像，计算二值图像得到疵点特征值，再将得到的疵点二值图像和疵点特征值反馈，写入疵点图像数据库和疵点信息数据库。疵点表征完成后，从疵点信息数据库中提取疵点特征值，用制定的疵点评分方法对表征的疵点进行评分，每卷布上的所有疵点评分完成后，对布卷进行等级评定，最后出具数据报表，完成对织物等级的自动评定。23织物等级自动评定系统软件上面我们建立了完整的织物等级自动评定系统，要实现这个系统我们要借助于数据库和计算机语言。织物等级自动评定软件部分由如下几个模块组成1数据库本系统中有疵点图像和疵点信息两个数据库，疵点图像数据库中存放疵点自动检测过程中检测出来存在疵点的织物图像和使用图像处理技术对疵点图像进行分割后的疵点二值图像。2疵点自动检测模块使用自适应小波对采集的织物图像进行水平和垂直方向的分解，对分解后的图像提取特征值，从而检测疵点的存在。将检测到的疵点织物图像写入疵点图像数据库中，与之相应的疵点信息如疵点类型，疵点像素位置写入疵点信息数据库中。为疵点表征做好准备。由于时间和研究内容的关系，本文没有对在计算机上实现该模块，只是假设在疵点己经检测出，而且已经得到疵点的相关信息的基础上自动评定织物等级。3疵点表征模块该模块从疵点数据库中提取疵点织物图像，再从疵点信息数据库中提取与之相应的疵点信息，然后对疵点图像进行分割，计算，东华大学硕士学位论文第二章织物等级自动评定系统表征织物疵点，将得到的疵点表征信息再反馈到两个数据库中。4疵点评分模块从疵点信息数据库中提取疵点表征后反馈的信息，用制定的自动评分规则对疵点进行评分，结果写入疵点信息数据库，根据要求决定是否出具评分数据报表。5织物评等模块从疵点信息数据库中提取疵点评分结果，计算每卷布的疵点总得分，根据制定的自动评等规则评定布卷的最终等级，最后出具织物等级数据报表。24本章小结本章首先根据国内人工验布情况和基于计算机视觉的疵点自动检测研究现状，得出基于小波分析的疵点自动检测和借助于神经网络的疵点分类将是疵点自动检测的主要趋势的结论。然后在基于小波变换的疵点自动检测的基础上提出并建立了一套基于计算机视觉的织物等级自动评定系统，该系统由疵华测，疵点分割表征和疵点评分与布卷评等三部分组成。并对实现该系统的软件模块做了介绍东华大学硕士学位论文第五章织物等级自动评定实验根据此类疵点的特点制定了自动评分准则，自动评分规则的客观性就取决于对此类疵点的评分规则的客观性，为评价自动评分规则的客观性，下面分别用人工评分规则和自动评分规则对在两个评分规则中被判定为不同类型疵点的疵点进行评分，比较最终的评分结果。结果见表52。表52自动评分规则客观性评价表疵点名称人工表征长径比人工评分规则自动评分规则疵点长CM疵点宽CM疵点类型得分疵点类型得分10分制4分制10分制4分制稀纬1半幅以上12横档L04纬向疵点L0453532半幅及以下1053L043半幅及以下15破洞L0505L0严重疵点53经纬向疵点53210081383L043090422535310410442，3LL21油污1171511经向明显疵点22经纬向疵点4283L0427643183934023L04I04吊经1624414严重疵点L04经纬向疵点83L0424，5212LL04纬缩L04O4L0纬向明显疵点L1经纬向疵点4220904221153东华大学硕士学位论文第五章织物等级自动评定实验由表52的结果比较我们知，对于稀纬疵点，在人工评分和自动评分规则中分别被识别为横档和纬向明显疵点，一般横档疵点的长度不会很小，在人工评分规则中我们是以半幅为分界线来衡量该疵点，而无论是稀纬的宽度大于ICM还是小于ICM，当稀纬的长度为半幅以上是二者的评分规则的评分结果都一致，都达到了单个疵点平分数的最大值，当稀纬的长度为半幅以下，宽度小于ICM时二值的结果仍然一致，只有当宽度大于ICM时，二者的结果不同。这是因为在评分规则的布面疵点计量规定中，一个或几个经纬向疵点，在宽ICM及以内的按一条评分，宽度超过ICM的每ICM为一条，其不足ICM的按一条计，而横档却无此规定。对于破洞疵点，在人工评分规则中它是严重疵点，言下之意，对其评分比较高，而在自动评分规则中它被划分为经纬向疵点。一般，破洞疵点也不会太大，且都偏向于圆形即其长径比比较接近于1。从评分结果来看，只有当破洞疵点的长度在ICM或以上且长径比小于2时，人工评分规则和自动评分规则的评分结果有一些差距，其他情况均一致。对于油污疵点，在两个规则中分别被识别为经向明显疵点和与破洞相同的经纬向疵点，由比较结果可知，当油污疵点比较大时，两个规则的评分结果比较接近，较小的时候二者之间存在一定的差距。吊经疵点在人工评分规则中被划分为经向明显疵点，故其长径比一般较大，并列3根的吊经即为严重疵点，而一般的吊经疵点都会在3根或以上，长度大于ICM，且其长径比一般在2左右，从表52的比较结果来看，当吊经的长径比小于2时，两个评分规则的结果有一定的差距。而大于2时则一致。纬缩疵点在人工评分规则中为纬向明显疵点，而在自动评分规则中为经纬向明显疵点，与破洞和吊经这样的严重疵点划分为一类。一般纬缩疵点都比较小，且大都成圆形即长径比在1左右，从比较结果来看，两个评分规则对纬缩的评分结果相差较大，特别是当纬缩疵点的长径比大于2时，差距更大。综上所述，我们可以得出结论，根据基于小波变换的疵点自动检测和运用图像处理技术对疵点进行分割表征的特点，参考人工评分规则制定的自动评分规则在对在人工评分规则中被划分为严重疵点和横档，而在自动评分规则中被划分为经纬向疵点的疵点，如破洞、吊经和稀纬等疵点，进行评分时其结果与人工评分非常接近，客观性较高。对在人工评分规则中被划分为经向或纬向明东华大学硕士学位论文第五章织物等级自动评定实验显疵点，而在自动评分规则中被划分为经纬向疵点的疵点，如油污、纬缩等疵点，进行评分时，当疵点较大时与人工评分结果一致，客观性较高，而当疵点很小时，差距较大，客观性较差。这主要是因为仅一个疵点长径比特征值无法将不同类型的疵点准确地划分开来，但是对疵点的二值图像计算只能得到表征疵点形状的长径比特征值。由第一章的论述我们知道，借助于具有联想、记忆、推理能力、非线性、容错性和系统并行处理方式等方面的能力的神经网络工具可以对疵点进行更加细致的分类，从而更加准确地给疵点评分，但是由于时间和硬件条件的限制，用神经网络对疵点进行细致的分类只能作为后续的研究。52本章小结本章使用第三章论述的图像处理技术分割表征疵点方法对粗经等十二种常见的疵点进行了分割实验，并将分割表征的结果与人工表征的结果相比较，结果表明，该方法可以准确地分割表征生产种经常出现的十二种典型织物疵点。并使用第四章制定的自动评分规则对一些在人工评分和自动评分中被划分为不同类型的一些疵点进行了评分，比较了与人工评分的差距，评价了自动评分规则的客观性，并分析原因，指出了改进的方向。东华大学硕士学位论文第六章总结与展望第六章总结与展望61结论本文主要是研究建立在基于小波变换的疵点自动检测基础上的织物等级自动评定的方法与技术，通过研究，得到如下主要结论1本文建立了一套在基于小波变换的疵点自动检测的基础上的织物等级自动评定方法。该方法通过疵点检测，疵点分割表征和疵点评分与布卷评等三个主要部分构成织物疵点自动检测系统。实验表明，该方法有较好的实用性。2探讨了分割表征疵点的图像处理方法。均值滤波器可以在保留疵点外形特征的同时将织物组织纹理去除，从而减小了在疵点分割时的噪声影响。SOBEL算子可以成功地检测到疵点的边缘。对边缘检测后图像的灰度直方图进行局部放大后，可以直接找到分割门限，分割疵点。二值形态学的闭操作和开操作的结合使用成功地去除了疵点边的噪声。对十二种常见的疵点进行分割表征试验，并与人工表征比较，结果表明，本文探讨的图像处理技术可以对常见的疵点进行正确地分割和表征。3制定了疵点自动评分和布卷自动评等规则。对在人工评分和自动评分时被识别为同一类型的疵点，两个规则使用相同的评分标准，对被识别为不同类型的疵点，参考人工评分规则，制定自动评分规则。自动评等规则与人工一致。对在人工和自动评分规则中被识别不同类型的疵点，使用两个规则分别对它们进行评分，比较两个评分结果表明，自动评分规则的评分结果与人工评分结果基本吻合。织物等级自动评定与人工评定也基本吻合。4编写了织物等级自动评定软件。使用MICROSOFTACCESSZ000数据库和MICROSOFTVISUALBASIC6O语言在计算机上实现了所建立的织物等级自动评定方法。通过对疵点进行分割表征和评分，对布卷进行评等的试验表明，该软件具有较好的实用性。东华大学硕士学位论文第六章总结与展望62本文存在的问题和进一步的研究方向1本文只是用疵点进行分割表征的图像处理技术对生产中常见的十二中疵点进行分割实验，由于条件的限制，没有对所有类型的织物疵点进行分割实验，所以对其他类型的疵点的适用性还有待实验证明2本文中的织物等级自动评定系统软件中，均值滤波器的选择，分割门限的选择以及闭操作腐蚀结果元素的选择都是由人眼来观察后确定，还不能完全的自动化，这使得疵点分割效果受到人为的影响，且影响系统运行速度。3产本文制定的疵点自动评分规则对疵点的评分结果总体上与人工评分基本吻合，但对个别疵点，二者存在较大的差异，主要是因为对疵点的二值图像计算只能得到表征疵点形状的长径比特征值，而仅这一个疵点长径比特征值无法将不同类型的疵点准确地划分开来，借助于具有联想、记忆、推理能力、非线性、容错性和系统并行处理方式等方面的能力的神经网络工具可以对疵点进行更加细致的分类，从而更加准确地给疵点评分，但是由于时间和硬件条件的醋制，用神经网络对疵点进行细致的分类只能作为后续的研究。东华大学硕士学位论文参考文献参考文献薄立，高宝山，王耀东布面疵点与检测方法探讨纺织学报，1989，VOL1。，NO5，P209213RIBOLZISREAL一TIMEFAULTDETECTIONONTEXTIIESUSINGOP1ICAL一ELECLRONICPROCESSINGTEXTILERESJ，1993，63261一71PEIWENCHEN，CLASSIFYINGTEXTILEFAULTSWITHABAC卜PROPAGALLONNEU阎NETWORKUSINGPOWERSPE