織物起毛起球圖像處理研究.pdf

1、織物起毛起球不僅會嚴(yán)重影響織物的外觀，而且會降低織物的穿著舒適度，因此評價織物起毛起球性能成為紡織品檢驗領(lǐng)域內(nèi)的一項重要內(nèi)容。標(biāo)準(zhǔn)樣照對比法是目前常用的起毛起球等級評定方法，主觀性強(qiáng)且重復(fù)性差。為增強(qiáng)織物起毛起球等級評定的客觀性，對織物起毛起球圖像進(jìn)行研究分析，利用數(shù)字圖像處理技術(shù)對織物起毛起球進(jìn)行自動等級評定具有十分重要的意義。
　　本文主要做了以下工作：
　　1、在織物起毛起球圖像采集中，針對國內(nèi)常用的圓軌跡起球法得到的

2、織物起毛起球樣本圖像，采用改進(jìn)的Hough變換檢測圓算法獲取織物起毛起球區(qū)域，與目前手動截取起毛起球區(qū)域的方法相比，提高了織物起毛起球等級評定的自動性。
　　2、利用小波多分辨率特性對織物起毛起球圖像進(jìn)行多層分解，得到含有不同頻率信息的子圖像，選取合適分解層的低頻和高頻系數(shù)進(jìn)行處理并重構(gòu)，實現(xiàn)去除織物起毛起球圖像非紋理噪聲的目的。進(jìn)一步對織物圖像進(jìn)行小波分析，構(gòu)建小波能量指標(biāo)，研究能量變化規(guī)律，進(jìn)而定位織物紋理層，并確定織物粗糙度

3、。
　　3、織物起毛起球圖像噪聲包含由光照不勻等原因引起的非紋理噪聲，同時包含織物固有的紋理噪聲。研究小波多分辨率分解和噪聲的關(guān)系，實現(xiàn)非紋理噪聲的去除；研究Gabor濾波器特點，通過構(gòu)建不同的Gabor濾波器，分別實現(xiàn)細(xì)膩織物紋理的平滑濾除和粗糙織物紋理的邊緣檢測法去除。
　　4、建立小波變換和Gabor濾波器中心頻率、尺度大小等濾波參數(shù)選擇的關(guān)系。根據(jù)圖像信息與熵值的關(guān)系，對各典型方向Gabor濾波圖像建立的熵值曲線進(jìn)行

4、分析，進(jìn)而判定織物紋理方向，并以此確定Gabor濾波器方向。此外，為提高系統(tǒng)執(zhí)行速度，將二維Gabor濾波算法進(jìn)行了優(yōu)化。
　　5、將去噪后的織物起毛起球圖像進(jìn)行分割，對三種分割方法進(jìn)行比較，根據(jù)分割效果，選擇合適的毛球分割方法。提取織物毛球密度、毛球個數(shù)、毛球面積標(biāo)準(zhǔn)差和最大毛球面積四個參數(shù)，采用pearson相關(guān)系數(shù)作為衡量織物毛球參數(shù)與起毛起球等級關(guān)系的指標(biāo)，最終選擇毛球密度、毛球個數(shù)和毛球面積標(biāo)準(zhǔn)差作為標(biāo)準(zhǔn)特征參數(shù)。