基于顯微圖像的纖維成份自動(dòng)檢測(cè)系統(tǒng)的研究與實(shí)現(xiàn).pdf

1、纖維成份自動(dòng)檢測(cè)是涉及圖像處理、模式識(shí)別、計(jì)算機(jī)視覺等多個(gè)領(lǐng)域的研究課題。傳統(tǒng)纖維檢測(cè)方法存在諸多弊端，隨著計(jì)算機(jī)圖像處理技術(shù)的不斷發(fā)展，纖維自動(dòng)檢測(cè)和識(shí)別的研究工作有了較大的進(jìn)展。但運(yùn)用計(jì)算機(jī)自動(dòng)檢測(cè)和識(shí)別纖維依舊是一個(gè)比較復(fù)雜的問題。國內(nèi)外將計(jì)算機(jī)圖像技術(shù)應(yīng)用于纖維識(shí)別的研究還比較少，很多問題尚待解決。本課題為全國百篇優(yōu)秀博士學(xué)位論文作者專項(xiàng)資金資助項(xiàng)目和教育部留學(xué)回國人員科研啟動(dòng)基金資助項(xiàng)目，并結(jié)合了上海市出入境檢驗(yàn)檢疫局的紡織品

2、和纖維檢驗(yàn)的實(shí)際需求。課題研究的重點(diǎn)是各種天然纖維和異形纖維顯微圖像的自動(dòng)輪廓提取、粘連纖維的分離以及后續(xù)的分類識(shí)別。
　　纖維成份自動(dòng)檢測(cè)系統(tǒng)首先對(duì)獲取的纖維橫截面纖維圖像進(jìn)行預(yù)處理，去除由于光照和拍攝形成的噪聲的影響;然后對(duì)纖維目標(biāo)的輪廓進(jìn)行提取;對(duì)于粘連在一起的纖維輪廓，進(jìn)一步進(jìn)行粘連分離處理，以提取出單個(gè)纖維的外輪廓;最后通過SIFT提取纖維特征，并對(duì)SVM分類器進(jìn)行訓(xùn)練，來達(dá)到計(jì)算機(jī)自動(dòng)成份檢測(cè)的目的。
　　對(duì)纖維

3、顯微圖像中纖維的正確提取與分離是纖維成份自動(dòng)檢測(cè)系統(tǒng)中極其重要的一環(huán)。提取單纖維輪廓的質(zhì)量的好壞，直接影響著后續(xù)特征提取與分類識(shí)別的精度。因此，纖維輪廓提取與粘連分離是本文的研究重點(diǎn)。針對(duì)纖維圖像中目標(biāo)與背景區(qū)分不明顯、纖維都有內(nèi)腔的特點(diǎn)，本文提出一種基于水平集算法與聚類思想相結(jié)合的棉花纖維圖像提取的算法。該算法首先利用二值化算法把棉花纖維圖像分割成小區(qū)域圖，再對(duì)單個(gè)區(qū)域運(yùn)用水平集算法的方法求出纖維的外輪廓，之后與大津法求出二值圖相結(jié)合

4、，去除毛刺及不封閉邊緣，從而得到纖維的粗略邊緣圖，進(jìn)而利用粗略邊緣圖的填充圖和其膨脹圖求出纖維的種子區(qū)域，最后利用基于聚類思想的粘連分離算法對(duì)纖維進(jìn)行粘連分離。經(jīng)過分割的纖維圖片，可以利用特征提取方法對(duì)單個(gè)纖維目標(biāo)進(jìn)行特征提取，然后訓(xùn)練分類器，用于后續(xù)的識(shí)別。實(shí)驗(yàn)結(jié)果表明，該算法不僅能保證纖維邊緣的連續(xù)性、完整性，并能較快速準(zhǔn)確的分割出圖像中的單個(gè)纖維。
　　通過算法分析和實(shí)驗(yàn)驗(yàn)證，本文提出的纖維圖像分割及粘連分離算法能夠克服傳統(tǒng)