中期報(bào)告基于改進(jìn)自適應(yīng)閾值的織物疵點(diǎn)檢 測(cè)算法研究-預(yù)覽頁(yè)
【正文】 業(yè)中，由于新技術(shù)的應(yīng)用，織布機(jī)的生產(chǎn)效率不斷提高，產(chǎn)量不斷加大，以適應(yīng)了人們不斷增長(zhǎng)的物質(zhì)需 求。如：瑞士 Zellweger Uster 公司推出的用神經(jīng)網(wǎng)絡(luò)識(shí)別 技術(shù)開(kāi)發(fā)的Fabriscan 驗(yàn)布系統(tǒng)；比利時(shí) BARCO 公司的驗(yàn)布系統(tǒng)；德國(guó) Obdxi 光電子技術(shù)公司開(kāi)發(fā)的在線織物檢測(cè)系統(tǒng)；以色列 EVS 公司的 ITex 機(jī)型自動(dòng)檢布系統(tǒng)等。 常用閾值分割法有雙峰法、迭代法、最大類間方差法、自適應(yīng)閾值算法等。文獻(xiàn) [8]提出基于自適應(yīng)閾值的圖像分割算法，并用于織物疵點(diǎn)檢測(cè)中。 （進(jìn)行擴(kuò)充，至少 3 頁(yè)，多加些其他 5 方法的織物疵點(diǎn)檢測(cè)方法） 2. 課題任務(wù)及進(jìn)度安排 課題任務(wù) 最大類間方差法根據(jù)圖像的灰度特性，把圖像分為背景和目標(biāo)兩部分。本課題實(shí)現(xiàn)基于改進(jìn)自適應(yīng)閾值的織物瑕疵檢測(cè)算法 1. 分析系統(tǒng)功能，確定設(shè)計(jì)方案； 2. 掌握算法工作原理， matlab 編程工具； 3. 算法設(shè)計(jì)方案實(shí)現(xiàn)； 4. 完成整個(gè)算法的設(shè)計(jì)與實(shí)現(xiàn)并撰寫(xiě)論文。指出我們?yōu)樯哆x用低通濾波，擴(kuò)充 1頁(yè)） 擬選取 4種頻域低通濾波器，即理想低通濾波器、巴特沃斯低通濾波器、指數(shù)低通濾波器、高斯低通濾波器，這四種濾波器的設(shè)計(jì)原理簡(jiǎn)單、濾波效果良好 。實(shí)驗(yàn)中，取濾波半徑 D0=15。它與 BLPF 相比，具有更快的衰減性，且濾波后的圖像比 BLPF 處理的圖像更模糊一些。高斯濾波器的系統(tǒng)函數(shù)是平滑的，避免了振鈴現(xiàn)象。該方法當(dāng)圖像中目標(biāo)與背景的灰度之比很小時(shí)分割效果不佳?；叶燃?jí) i 可能發(fā)生的概率為： Pi= iinn ? 灰 度 級(jí) 的 像 素 個(gè) 數(shù)圖 像 中 總 的 像 素 個(gè) 數(shù) (6) (2)求出整個(gè)圖像的平均灰度級(jí) ： 1ii=0= ipLT??? (7) (3)求出每類發(fā)生的概率。自適應(yīng)閾值的計(jì)算公式為 ： * 2 21 1 2 20 {( 1 ( ) ) ( ( ) ( ) ( ) ( ) ) }ttLt A rg M a x p t w t t w t t?????? ? ? (14) 式中 ()tpt? 是關(guān)于閾值 t*的函數(shù)，表示最佳閾值所發(fā)生的概率，當(dāng) t*確定時(shí) , ()tpt?也就確定。實(shí)驗(yàn)結(jié)果與分析如下： 織物樣本（ a） 10 自適應(yīng)閾值法 自適應(yīng)閾值法（ b） 最大類間方差法 最大類間方差法（ c） 11 濾波后圖像 I L P F + 最大類間方差法 ILPF+最大類間方差法（ d） 濾波后圖像 I L P F + 自適應(yīng)閾值法 ILPF+自適應(yīng)閾值法（ e） 12 B L P F + 最大類間方差法濾波后圖像 BLPF+最大類間方差法（ f） B L P F + 自適應(yīng)閾值法濾波后圖像 BLPF+自適應(yīng)閾值法（ g） 13 濾波后圖像 G L P F + 自適應(yīng)閾值法 GLPF+自適應(yīng)閾值法（ h） 濾波后圖像 G L P F + 最大類間方差法 GLPF+最大類間方差法（ i） 14 E L P F + 最大類間方差法濾波后圖像 ELPF+最大類間方差法（ j） E L P F + 自適應(yīng)閾值法濾波后圖像 ELPF+自適應(yīng)閾值法（ k） 織物樣本如圖 (a)所示，該織物圖像含有一道裂痕，該圖片紋理相對(duì)較為簡(jiǎn)單。 [ 17] 趙亦工 , 朱 紅 , 向健勇 . 基于分形模型的人造目標(biāo)檢測(cè)技術(shù) [ J] . 紅外與毫米波學(xué)報(bào) , 1995, 14( 5) : 336 340. [ 18] 佟國(guó)旭 , 劉敬海 , 林幼娜等 . 亞成像系統(tǒng)中的實(shí)時(shí)圖像分割與識(shí) [ J] . 紅外與激光工程 , 1998, 27( 4) : 2629. [ 19] Hojjato leslami S A, Kittler J. Region growing : A new approach [ J ] . IEEE Transaction on Image Processing, 1998, 7( 7) : 1079 1084. [ 20] Otsu N. A threshold selection method from gray level histogram [ J ] . IEEE Trans System Man Cyber , 1978, SMC8: 62 66. [21] 汪榮貴，吳昊，方帥，楊萬(wàn)挺 . 一種新的自適應(yīng)二維 Otsu 圖像分割算法研究 [N]. 20xx， 40（ 8）： 842– 847.
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號(hào)-1