文档介绍：基于纹理梯度的纺织品缺陷检测方法研究要摘分水岭,构造出一种纹理图像分割算法一一简单的纹理分水岭算法。在此基础纺织品缺陷检测是纺织品工业生产中必要且重要的环节。人工方式的纺织品缺陷检测,其检测质量的好坏严重地依赖于主观经验、判断力和注意力。在现代纺织品工业中,纺织品自动检测正在逐步取代人工视觉检测方法。纺织品自动检测的主要目标是能够有效地提取纺织品缺陷,且对缺陷区域进行准确定分辨出不同类别纹理的边界。因此,本文通过采用纹理梯度算法,研究提出了一种新的有效的纹理缺陷检测方法,并且,将该方法进一步用于实际的纺织品芯拷⒒谖评硖荻鹊奈评硗枷穹指罘椒āMü岷衔评硖荻群捅昙分水岭分割之前,先采用非局部均值滤波实现纹理增强,构造基于纹理增强的纹理分水岭算法,能够获得更加准确的纹理缺陷检测结果。芯拷⒒谖评硖荻鹊腗纹理缺陷检测方法。通过分析P停提出了基于纹理梯度的评砣毕菁觳夥椒ǎ朔嘶谖评矸炙氲奈理缺陷检测方法需要人工设定阈值的弊端。该检测过程先进行纹理增强,再计算纹理梯度,最后利用随机场模型高自动化地完成纹理缺陷检测。芯拷⒒谖评硖荻鹊姆闹芳觳夥椒ā=只谖评硖荻鹊奈评缺陷检测方法,即简单的纹理分水岭算法、基于纹理增强的纹理分水岭算法和方法的优缺点。实验结果表明,简单的纹理分水岭算法能够实现对于纹理差异但缺点是耗时较长。基于纹理梯度的惴芄皇迪指咦远胤闹啡关键词:纺织品缺陷检测;纹理梯度:分水岭分割;纹理增强;随机场位。近年来,纹理梯度是图像分割的热点问题,在纹理梯度图像中能够准确地缺陷的检测中。主要研究内容如下:上,为了消除成像噪声及不相关细节的影响,突出纹理间的差异,在进行纹理基于纹理梯度的惴ǚ直鹩糜谑导实姆闹啡毕萃枷竦募觳猓⒈冉细较明显,即检测难度较小的纺织品缺陷的检测,且速度较快。但是对于检测难度较大的纺织品缺陷图像,基于纹理增强的纹理分水岭算法的检测效果较好,陷检测,且也能有效提取出纺织品缺陷区域,缺陷边界定位准确。
知识水坝***@pologoogle为您整理
,,猰,,.:;,.瑃瓵..;;;
知识水坝***@pologoogle为您整理
插图清单图纹理分水岭算法主要流程图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一图像中的“双边缘”现象⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯植煌毕莘闹贩纸琢谟蛳低场图纺织品自动检测方法的结构:检测和分类⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..图纺织品缺陷检测/分类的常规方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图灰度梯度与纹理梯度比较图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..图纹理梯度算法的具体流程图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图无抽样倍频滤波器组⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图实现二维小波变换的滤波器组⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..图纹理分水岭梯度与基于灰度梯度的分水岭分割结果比较图⋯⋯⋯⋯⋯..基于纹理梯度的缺陷检测结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.图谖评碓銮糠炙氲姆闹啡毕菁觳夥椒ā图分阶邻域系统⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.图一阶邻域系统⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图二阶邻域系统⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..图谖评碓銮康那騇婊∧P汀图基于纹理梯度的随机场模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.植煌毕莘闹贰的纺织品图像度梯度⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.图包含缺陷⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图毕輇..:⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯姆闹吠枷馮图毕輒的纺织品图像图毕輘⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯闹啡毕萃枷窬蔷植烤德瞬ǖ慕峁图图包含缺陷的纹理梯度和灰度梯度⋯图包含缺陷姆闹吠枷馧的纹理梯度和灰姆闹吠枷馚的纹理梯度和灰度梯度..图包含缺陷姆闹吠糓姆闹吠枷馭毕輙图觳饨峁
检测结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..牧街諱检测结果比较⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..两种觳饨峁冉稀图图检测结果.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.检测结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.. 的两种觳饨峁冉稀
表格清单表检测时间痵表检测时间⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..表纺织品缺陷检测方法优缺点⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯
:才签字醐:扣工作单位:/爹抛繮茏廊学位论文作者签字:敌学位论文者签名:.喊蒊伽日签字醐兰梢越宦畚牡娜ú炕虿糠致畚哪谌荼嗳胗泄厥菘饨屑焖鳎梢圆捎糜坝⑺跤』蛏硬手子签字日期:加了年耭。日ǎ眄ζ独创性声明学位论文版权使用授权书电话:也不包含为获得金胆王些友堂本学位论文作者完全了解金蟹些太堂有关保留、使用学位论文的规定