中期報(bào)告基于改進(jìn)自適應(yīng)閾值的織物疵點(diǎn)檢測算法研究-文庫吧資料
2025-05-30 13:23本頁面
【正文】 4 實(shí)驗(yàn)結(jié)果及分析 給出選用的織物圖像，多給出幾種，采用分辨率為多少， 并且給出疵點(diǎn)的類型有多少，都是什么樣的，給出示例。自適應(yīng)閾值算法選擇一個(gè)發(fā)生概率較小的灰度級 t? 作為閾值(灰度直方圖的波谷 )，并且使兩類 間差別最大。在單一閾值的情況下，一幅圖像的像素被分為兩類，即： 12c ={0,1 t} c ={t+1 t+2,. .. ,L 1}， ..., ， ， (8) 其中 t是閾值， C1和 C2分別是目標(biāo)圖像和背景圖像的灰度級。一幅圖像可以用二維函數(shù) f(x,y)來表示，函數(shù)的值是灰度級，取值 0到 1L? ， L 是灰度級的數(shù)目。 自適應(yīng)閾值算法對最大類間方差法進(jìn)行了改進(jìn)，克服了最大類間方差法的缺 8 點(diǎn)，在用于織物缺陷檢測時(shí)可得到較好的分割效果，具體算法如下： （給出每一步的核心代碼，你這種寫法，一看就是從小論文上摘抄的。背景 與 目標(biāo)之間的類間方差越大 ， 說明構(gòu)成圖像的 兩 部分的差別越大 ，如果把背景錯(cuò)分為目標(biāo)或目標(biāo)錯(cuò)分為背景 都會導(dǎo)致 兩 部分差別變小 。 GLPF的傳遞函數(shù)為： 20( , ) = e xp ( 1 / 2 [ ( , ) /D ] )nH u v D u v? (5) 實(shí)驗(yàn)過程中取 n =2，取濾波半徑 D0=5。對圖像來說，常用二維零均值離散高斯函數(shù)作平滑濾波器。 ELPF 的傳遞函數(shù)為： 0( , ) = e x p ( ( ( , ) ) )nH u v D u v D (4) 實(shí)驗(yàn)中取 n =2，取濾波半徑 D0=20。n階 BLPF的傳遞函數(shù)為： 7 ? ?201( , ) = 1 + ( , ) nH u v D u v D (3) 當(dāng) 3n? 時(shí)，巴特沃斯出現(xiàn)較明顯的振鈴效應(yīng)，實(shí)驗(yàn)過程中取 n =2，取濾波半 徑 D0=15 3）指數(shù)低通濾波器（ Exponential LowPass Filter 簡稱 ELPF）的設(shè)計(jì) ELPF 是圖像處理中常用的另一種平滑濾波器，平滑后的圖像沒有跳躍、振鈴現(xiàn)象存在。 2）巴特沃斯低通濾波器（ Butlerworth LowPass Filter 簡稱 BLPF）的設(shè)計(jì) BLPF又稱為最大平坦濾波器?！袄硐霝V波器”的名稱表明在半徑為 D0的圓內(nèi)，所有頻率段無衰減的通過濾波器，而在此半徑的圓之外的所有頻率完全被衰減掉。 設(shè)待處理圖像為 (,)fxy ，其傅里葉變換表達(dá)式為 (, )Fuv ， (,)Huv 是低通濾波器的傳遞函數(shù)，濾波后圖像的傅里葉變換用 ( , )Guv 表示，則低通濾波的數(shù)學(xué)表達(dá)式為： ( , )= ( , ) ( , )G u v H u v F u v (1) 1）理想低通濾波器（ Ideal LowPass Filter簡稱 ILPF）的設(shè)計(jì) ILPF 物理上是不可實(shí)現(xiàn)的非因果系統(tǒng)，實(shí)際中的低通濾波器只能是它的近似，但可以在數(shù)值模擬中無限接近它。 （把濾波器概念介紹一下，分類、應(yīng)用。 進(jìn)度安排 12131 學(xué)期 第 10 周：熟悉開發(fā)流程 第 11— 13 周：外文資料翻譯 第 14— 19 周：書寫讀書筆記，提出總體設(shè)計(jì)方案，完成開題報(bào)告 12132 學(xué)期 第 1 周： 開題 第 2— 8周：進(jìn)一步完善設(shè)計(jì)方案、完成主要程序的編寫 第 9 周：完成主要程序的編寫、中期檢查 第 1014 周：完成全部程序的編寫、書寫論文及相關(guān)資料 第 15 周：畢業(yè)答辯 3 整體方案設(shè)計(jì) 自適應(yīng)閾值分割算法 +形態(tài)學(xué)濾波，把形態(tài)學(xué)濾波加上 織物圖像 低通濾波器 自適應(yīng)閾值分割算法 6 引入前置低通濾波器 傳統(tǒng)的自適應(yīng)閾值算法檢測復(fù)雜紋理的織物圖像時(shí)，效果并不好原因在于復(fù)雜紋理織物圖像灰度值變換較為劇烈，影響分割結(jié)果。自適應(yīng)閾值算法是由 最大類間方差法改進(jìn)后的一種算法，它克服了最大類間方差法的缺點(diǎn)，在織物缺陷檢測方面有較好的分割效果。背景與目標(biāo)之間的類間方差越大，說明構(gòu)成圖像的兩部分的差別越大，如果二者相互錯(cuò)分都會導(dǎo)致兩部分差別變小?；谏鲜鲈颍疚奶岢龌诟倪M(jìn)自適應(yīng)閾值的疵點(diǎn)檢測算法，通過引入前置低通濾波器，降低局部紋理的復(fù)雜性，同時(shí)較好地保持了疵點(diǎn)區(qū)域，對濾波后的織物圖像采用自適應(yīng)閾值分割算法，得到了滿意的效果。該類方法通過引入權(quán)值，改進(jìn)了最大類間方差法，在常見的織物圖像上取得了較好的檢測結(jié)果。文獻(xiàn) [3,4,5,6,7
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號-1