小波变换在纺织品性能检测中的应用.docx

摘要针织物产品设计生产过程中，需要测量针织物的结构参数并检测疵点情况，一方面依赖于检测人员的客观经验和主观感受，另一方面长时间的劳动难免会产生误差。采用图像处理技术不仅可以做到快速准确的测量针织物的密度以及检测识别疵点，还可以减少技术人员的工作量，提高生产效率。本文采用高分辨率的扫描仪采集得到结构清晰的针织物图像以供图像处理，通过Matlab软件对得到的针织物图像进行灰度化、中值滤波等预处理。对于针织物密度的测量，对预处理后的针织物图像分别作纵向和横向灰度和，再对得到的波峰图分别作小波变换提取高频信号，经过实验得到最优的分解层数和最佳小波基，提取得到平滑理想的波峰图，再利用差分法求得针织物的纵密横密。对于针织物疵点检测，对预处理后的针织物图像做N层小波分解提取图像的低频、水平高频、垂直高频和对角高频信号，通过实验选取最优的分解层数和最佳的小波基，得到清晰反映针织物疵点特征的子图像。再分别对水平和垂直高频子图像做四个角度的灰度共生矩阵，进一步计算燧、能量、对比度、角二阶矩等特征值来表征疵点信息。最后构建BP神经网络，输入织物的特征值数据和对应的疵点情况，划分训练集和测试集，对针织物疵点进行自动检测。关键词：图像处理；小波变换；织物密度；织物疵点AbstractIntheprocessofdesignandproductionofknittedfabrics,itisnecessarytomeasurethestructuralparametersofknittedfabricsanddetectthedefects.Ontheonehand,itdependsontheobjectiveexperienceandsubjectivefeelingsofinspectors.Ontheotherhand,long-termlaborwillinevitablyproduceerrors.Theuseofimageprocessingtechnologycannotonlyquicklyandaccuratelymeasurethedensityofknittedfabricsanddetectandidentifydefects,butalsoreducetheworkloadoftechnicalpersonnelandimproveproductionefficiency.Inthispaper,ahigh-resolutionscannerisusedtoacquireknittedfabricimageswithclearstructureforimageprocessing.Matlabsoftwareisusedtopre-processtheknittedfabricimagesobtainedbygrayscale,medianfilteringandsoon.Tomeasurethedensityofknittedfabric,thegraysumofthelongitudinalandtransverseofthepretreatedknittedfabricimageismaderespectively,andthenthewavelettransformisusedtoextractthehighfrequencysignaloftheobtainedwavepeakimage.Aftertheexperiment,theoptimalnumberofdecompositionlayersandthebestwaveletbasisareobtained,thesmoothandidealwavepeakimageisextracted,andthelongitudinalandtransversedensityofknittedfabricisobtainedbythedifferencemethod.Forthedetectionofknittedfabricdefects,thelow-frequency,horizontalhighfrequency,verticalhighfrequencyanddiagonalhighfrequencysignalsofthepre-processedknittedfabricimageswereextractedbyN-Iayerwaveletdecomposition.Theoptimaldecompositionlayersandthebestwaveletbasiswereselectedthroughtheexperimenttoobtainthesub-imagethatclearlyreflectedthefabricdefectscharacteristics.Then,thegrayco-occurrencematrixoffourangleswasmadeforthehorizontalandverticalhigh-frequencysub-imagesrespectively,andtheeigenvaluessuchasentropy,energy,contrastandangularsecond-ordermomentwerefurthercalculatedtocharacterizethedefectinformation.Finally,theBPneuralnetworkwasconstructed,theeigenvaluedataoffabricandcorrespondingdefectswereinputed,thetrainingsetandthetestsetweredivided,andthefabricdefectsweredetectedautomatically.Keywords：Imageprocessing;Wavelettransform;Fabricdensity;FabricdefectsAbstract第1章绪论11.1 研究背景和意义11.2 研究现状11.2 .1小波变换在织物密度测量方面的研究现状11.3 .2小波变换在织物质量和性能方面的研究现状21.3 主要研究内容与研究方法31.3.1 研究内容31.3.2 研究方法3第2章基于图像处理的针织物密度测量52.1针织物图像采集和预处理52. 1.1图像的采集53. 1.2图像灰度化64. 1.3中值滤波72.2 针织物图像的小波变换处理82. 2.1小波变换简述83. 2.2最佳分解层数和最优小波基的选取104. 2.3织物密度测量192.3 结果分析与讨论19第3章基于图像处理的织物疵点检测233.1 针织物图像预处理233.2 小波变换233.3 灰度共生矩阵283.4 基于特征值计算的针织物疵点检测293.5 结果讨论于分析313.5.1基于特征值计算的结果讨论与分析313.5.2基于BP神经网络的针织物疵点自动分类374.1 基于图像处理的针织物密度测量得到的结论414.2 基于图像处理的织物疵点检测得到的结论41参考文献42致谢45第1章绪论1.1 研究背景和意义我国是纺织产业大国，纺织工业生产中常常需要检测织物的结构参数和疵点、起毛起球等情况，如果采用人工测量，不仅费时费力，而且依赖于检测人员的技术水平，具有很大的主观程度，时间长了还会造成疲劳，不免产生误差，不利于纺织行业由劳动密集型向技术密集型转型。基于图像处理的纺织品性能自动检测技术是纺织品自动化生产和测试的关键技术,它能够有效克服传统人工检测方法的主观性、不稳定性和低效率等局限,提供与自动生产线相适应的客观高效的检测。在众多图像处理技术中，小波变换是一种信号的时间一频率分析法。与傅里叶变换相比，小波变换能同时提取信号的时域和频域信息，在低频部分具有较高的频率分辨率和较低的时间分辨率，而在高频部分具有较高的时间分辨率和较低的频率分辨率。因此，小波变换具有比傅里叶变换更广泛的适用性，在纺织品自动检测方面具有巨大的应用潜力。MATLAB软件具语法简单、图像处理功能强大，提供了有效的编程工具。1.2 研究现状1.2.1 小波变换在织物密度测量方面的研究现状小波变换在织物密度测量方面的研究主要集中在机织物密度测量和针织物密度测量两方面。基于小波变换的机织物密度测量主要有三种方法，第一种方法回先对灰度图像进行直方图规定化增强对比度和中值滤波去噪等预处理，选用bior3.7小波、COif小波或构造自适应小波，对处理后的织物图像进行N次分解重构后得到清晰的反应经纬方向的高频垂直重构图和高频水平重构图，对重构图进行二值化处理和平滑处理使经纬向明显，对图像取一行（列），计算其中连续黑色像素的个数累加和从而得到机织物密度。第二种方法是.选用dbl小波基对灰度图像进行小波分解，对分解得到的垂直图像分量进行二值化、Radon变换处理。求得图像的经向灰度投影曲线，选用demy小波对一维积分投影曲线信号进行4级滤波分解，同时对每一尺度上的信号进行放大重构，得到真实的经纱位置。最后采用机器视觉算法判别一定像素内的经纱数量并求得机织物密度。最后一种方法先对预处理后的图像进行小波变换，再对亮度信号进行处理分析得到亮度曲线的周期，以此求出织物的密度。基于小波变换的针织物密度测量方面，花勇和龙海如I对图像进行灰度化、平滑去噪等预处理，将图像横向分为W条纵线，并把每条纵向的灰度和做40,选用db8小波基，对TU）用二维小波变换分解和重构得到波峰频谱图，用差分法求得波峰位置和数量即可求得织物密度。邓中民网等先对图像进行N级离散小波分解，保留有线圈信息的图像，剔除图像中如纱线毛羽等高频信息和光照不匀等低频信息，将剩下的分级图像进行重构。将图像灰度化，以每一列灰度值的平均值统计得到灰度曲线，统计得到除杂后的波谷坐标即线圈列和圈柱间隙列实际横坐标。进行二值化处理，通过八邻域广度优先搜索算法得到消去圈柱间隙列后的图像，经过2次膨胀再腐蚀使线圈间相互独立，取每列像素值和绘制灰度曲线图，根据波谷数量算出织物密度。韦秋菊等对图像进行中值滤波、直方图均衡化预处理，选用Morlet小波，对图像进行多级小波变换得到各个方向上的信息子图像，二值化后计算水平和垂直分量灰度投影，计算得到密度。1.2.2 小波变换在织物质量和性能方面的研究现状小波变换在质量评定方面的研究主要集中在织物疵点检测方面，大多数做法如是先选用db小波、sym小波或构造自适应小波对灰度图像进行单尺度小波分解得到纬向和经向纹理子图像，对于经向纹理子图像将其沿纬纱方向划分为大小相同的块数，在每矩形块内计算其灰度值的标准方差作为特征值；对于纬向纹理子图像将其沿经纱方向划分为大小相同的块数，每块内计算其灰度值的横向纹理烯值作为特征值，与正常织物的指标相比较，出现明显的峰值和波动变化明显说明包含疵点，否则为正常织物。小波变换在性能测试方面的研究主要集中在织物起毛起球方面，大多数做法625.是先对织物起毛起球图像进行灰度化、边缘平滑、去除光照不匀等预处理。选用Haar>bio3.7小波进行N层小波分解，将每一层的水平、垂直、对角细节系数分别相加，重构子图像。计算相应近似系数能量的百分数和相应的水平、垂直、对角细节系数能量的百分数的和，计算了能量比、能量差分、能量梯度等特征值来获得最佳的分割层级。通过分析得到织物纹理和毛球的分割点的具体层数，由此可分别获得织物纹理图像和织物毛球图像，再对毛球图像进行二值化处理评定起毛起球等级。Wang等还根据未磨损织物图像和合成图像的系数矩阵中所有大于O的元素与矩阵中元素的总数的关系计算灰度比定量表述织物损失程度。1.3 主要研究内容与研究