| 【中文题名】 | 基于图像处理的坯布缺陷检测方法研究 |
| 【英文题名】 | Research on Defects Detecting in Grey Cloth Based on Image Processing |
| 【学科专业】 | 计算机应用技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-11-14 |
| 【中关键词】 | 图像处理,图像滤波,图像边缘检测,小波变换,数学形态学, |
| 【英关键词】 | Image Processing,Image Filter,Edge Detect,Wavelet Transform,Math Morphology, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化技术及设备>自动化系统>数据处理、数据处理系统>采用各种新技术的自动检测系统 |
| 【论文摘要】 |
随着数字图像处理技术的发展,图像处理系统的应用已经深入到关系国计民生的许多领域。但同时,如何将现存的众多图像处理算法进行有机结合以完成成型的系统,则是一个值得研究的问题,本系统针对一个特定的检测项目,以现有算法为基础并将其进行了融合,有效地实现了坯布的缺陷检测。
本文作者在对坯布图像进行有效分析以后,针对所采集图像的具体特点,很好地实现了坯布缺陷的特征参数提取。其中主要采用以下的步骤对图像进行处理,并针对各种算法的优缺点进行了改进,取得了系统所需的效果。
首先对图像运用图像增强技术。在分析了传统的平滑技术包括局部平均、中值滤波法、理想低通滤波、Butterworth滤波、指数形滤波等方法的优缺点后,通过实验比较了各种方法的效果。在对比较新颖的技术如形态学滤波、小波分析等的原理及实现进行了说明后,对所采用的图像增强算法进行了优化改进,形成了时间较少及处理效果较好的图像。
然后对上一步骤所得缺陷图像进行图像分割以取得较好的缺陷。在对传统的分割技术及比较新颖的技术如小波分析方法等进行分析实验后,选择了一种效果较好而且时间耗费较少的算法。对分割以后的图像进行斑点滤除及缺陷连接,并用形... |
| 【论文题纲】 |
|
摘要 |
4-5 |
|
ABSTRACT |
5-9 |
|
第1章 引言 |
9-14 |
|
1.1 课题背景 |
9-10 |
|
1.1.1 课题的题目及课题来源 |
9 |
|
1.1.2 课题研究的目的和意义 |
9-10 |
|
1.2 目前布匹检测水平和存在的问题 |
10 |
|
1.3 国内外研究动态 |
10-12 |
|
1.4 本课题研究的主要内容 |
12-13 |
|
1.4.1 如何采用有效的预处理来加强图像 |
12 |
|
1.4.2 对有缺陷的图像如何有效的得到缺陷的轮廓 |
12 |
|
1.4.3 如何对缺陷进行相关特征的提取 |
12-13 |
|
1.4.4 利用相关的特征如何对缺陷进行归类，也即识别的问题 |
13 |
|
1.4.5 如何提高检测的速度和精度 |
13 |
|
1.5章 节安排 |
13-14 |
|
第2章 系统整体概述 |
14-17 |
|
2.1 机器视觉的概念 |
14 |
|
2.2 系统构成 |
14 |
|
2.3 处理系统的基本结构 |
14-15 |
|
2.4 开发平台选择 |
15-16 |
|
2.5 小结 |
16-17 |
|
第3章 图像采集 |
17-20 |
|
3.1 光源 |
17-18 |
|
3.2 相机的选择 |
18 |
|
3.3 图像的数字化 |
18 |
|
3.4 采集图像 |
18-19 |
|
3.5 小结 |
19-20 |
|
第4章 图像预处理 |
20-32 |
|
4.1 图像增强概述 |
20 |
|
4.2 系统分析 |
20-21 |
|
4.3 常用的图像平滑技术及其理论基础 |
21-29 |
|
4.3.1 局部平均法 |
21-22 |
|
4.3.2 中值滤波法 |
22-23 |
|
4.3.3 频域中的理想低通滤波、BUTTERWORTH 滤波及指数形滤波等 |
23-25 |
|
4.3.4 利用数学形态学进行滤波的方法 |
25-29 |
|
4.4 图像复原 |
29-31 |
|
4.5 小结 |
31-32 |
|
第5章 缺陷边缘轮廓提取-利用图像分割 |
32-51 |
|
5.1 概述 |
32-34 |
|
5.2 传统边界检测方法的数学基础 |
34-35 |
|
5.3 实际应用方法的原理及实验 |
35-38 |
|
5.3.1 Roberts 算子 |
35-36 |
|
5.3.2 PREWITT 算子 |
36 |
|
5.3.3 SOBEL 算子 |
36-37 |
|
5.3.4 ISOTROPIC SOBEL 算子 |
37 |
|
5.3.5 LAPLACIAN 算子 |
37-38 |
|
5.4 比较新颖的边缘提取方法 |
38-44 |
|
5.4.1 形态学边缘提取算子 |
38 |
|
5.4.2 小波分析和多尺度边缘检测 |
38-44 |
|
5.5 边界的去杂、连接 |
44-46 |
|
5.6 运用各种算子所得出的效果及运行时间统计 |
46 |
|
5.7 边界轮廓提取 |
46-49 |
|
5.7.1 利用拉普拉斯算子进行缺陷边界轮廓的提取 |
47 |
|
5.7.2 利用求凸包方法进行缺陷边界轮廓的提取 |
47-49 |
|
5.8 边界平滑 |
49 |
|
5.9 分割算法评价 |
49 |
|
5.10 小结 |
49-51 |
|
第6章 缺陷特征参数提取 |
51-56 |
|
6.1 概述 |
51 |
|
6.2 常用特性提取方法介绍 |
51-55 |
|
6.2.1 边界编码法 |
52-54 |
|
6.2.2 用（近似）不变曲率的弧的方法 |
54 |
|
6.2.3 应用链码方法得出边界的形状特征 |
54-55 |
|
6.3 实验数据 |
55 |
|
6.4 小结 |
55-56 |
|
第7章 缺陷形状分析 |
56-61 |
|
7.1 概述 |
56 |
|
7.2 常用的形状描述符 |
56-57 |
|
7.2.1 矩形度 |
56-57 |
|
7.2.2 圆形度 |
57 |
|
7.2.3 重心矩 |
57 |
|
7.3 区域的宏观形态特征 |
57-59 |
|
7.3.1 区域的边界周长 |
57-58 |
|
7.3.2 区域的面积 |
58 |
|
7.3.3 区域的重心和主轴 |
58-59 |
|
7.3.4 区域的偏心率 |
59 |
|
7.4 实验数据 |
59-60 |
|
7.5 小结 |
60-61 |
|
第8章 结论 |
61-63 |
|
参考文献 |
63-66 |
|
附录1 学位期间所发表学术论文及参加的科研项目 |
66-67 |
|
致谢 |
67 |
|
| 【DOI】 | LunWen.ID:2.2008.386242 |
