精品无码久久久久久国产←,欧美91射综合,全国中文字幕亚洲网站,欧洲性爱一区二区

織物疵點的檢驗是紡織業(yè)的重要環(huán)節(jié)之一。首先，本課題利用軟閾值小波對織物圖像進行去噪處理。其次，分別采用了小波閾值增強法、灰度范圍拉伸法及灰度均衡法對去噪后的圖像進行增強。再次，引入相對均值誤差(RMBE)及峰值信噪比(PSNR)作為客觀評價標準，得出結(jié)論：基于小波理論的閾值增強方法，增強效果最好。最后，本課題通過對圖像進行特征提取，運用神經(jīng)網(wǎng)絡構(gòu)造出疵點自動檢測系統(tǒng)，并用實例進行驗證，檢驗效果理想。

　　隨著人們的生活水平的提高，對紡織品的質(zhì)量也提出了較高的要求。本課題提出了一種尋找具有較高檢測率的方法來代替高成本、低速度的人工視覺檢測法，提高紡織物瑕疵點檢測的管理和控制水平，將數(shù)學與計算機程序設計有機地結(jié)合在一起。通過我們的課題研究，能夠?qū)M足人們的現(xiàn)實需求提供一定的幫助。
一：圖像的小波分解和重構(gòu)
　　為了降低處理二維函數(shù)或信號（如圖像信號）的難度，就必須引入二維小波以及相應的快速算法。二維多分辨率分析有兩種，一種是可分離的，一種是不可分離的。前一種情況簡單且應用廣泛，因此本課題對可由一維多分辨率分析的張量積空間構(gòu)造的二維多分辨率進行分析。
二：基于小波變換的織物圖像軟閾值降噪
　　織物圖像在生成、獲取和傳輸?shù)冗^程中往往會收到噪聲的污染。噪聲的存在會導致圖像的信噪比降低，若直接進行圖像增強處理，會直接造成圖像的一些特征細節(jié)被淹沒在圖像噪聲中而不能被識別。這使得對織物圖像進行降噪處理成為必不可少的重要步驟。本文采用軟閾值小波對織物疵點圖像進行降噪處理。
三：基于小波理論的織物疵點圖像增強
　　為了突出疵點，還需要對降噪后的圖像進行增強處理。由于圖像經(jīng)二維小波分解后，圖像的輪廓主要體現(xiàn)在低頻部分，細節(jié)部分體現(xiàn)在高頻部分，因此可以通過對低頻分解系數(shù)進行增強處理，對高頻分解系數(shù)進行衰減處理，從而達到圖像增強的效果。
　　本課題采用sym4小波，以及wavedec2分解函數(shù)對去噪后的圖像進行2層小波分解，將分解后的小波系數(shù)進行閾值處理。
四：對比實驗——基于直方圖修改技術(shù)的織物疵點圖像增強
　　為了增強織物疵點圖像的對比度，可以采用拉伸灰度范圍的方法。于是，本課題應用Matlab中的imadjust函數(shù)對去噪后的cloth圖像進行灰度范圍拉伸處理?？椢飯D像的疵點的亮度被提升了，背景與疵點之間的對比度較為明顯。原本較小的灰度范圍被延展到一個較大的灰度范圍。
　　灰度均衡處理。將原圖像在每個灰度級上的像素出現(xiàn)的概率進行均衡化處理。通過灰度均衡，使得原圖像轉(zhuǎn)換為，在每一個灰度級上都盡量分配到像素點的輸出圖像。。處理后的圖像的對比度被有效的增強了。但是，不僅疵點被增強了，而且背景中的一些噪聲也被增強了。
五：織物疵點圖像的不同增強方法的對比
　　圖像增強的評價標準：
　　圖像增強質(zhì)量的評價標準大致可分為兩大類：主觀性和客觀性。主觀評價方法費時、復雜，受觀測者的心理、動機和專業(yè)背景等主觀因素的影響，并且不能結(jié)合到算法中使用。而客觀評價方法方便、快捷，容易實現(xiàn)，且能結(jié)合到應用系統(tǒng)中?；谝陨显?，本文采用客觀評價標準中的相對均值誤差(RMBE)及峰值信噪比(PSNR)作為圖像增強的評價標準。
　　基于小波理論的增強方法的RMBE值最小，PSNR值最大，說明了這種方法下的輸出圖像亮度保持效果好，圖像信息保留較佳。其次是灰度范圍拉伸法，效果中等。較差的是灰度均衡法，RMBE值較大，而PSNR值較低，導致輸出圖像丟失的信息較多。
　　因此，針對織物疵點圖像，基于小波理論的圖像增強方法最好。
六：基于小波圖像增強處理的疵點檢測
　　雙降噪處理與小波圖像增強：
　　在原始圖像經(jīng)過軟閾值去噪處理后，再通過小波中的wrcoef2函數(shù)實現(xiàn)低通濾波消噪，即通過雙降噪處理后再進行小波圖像增強處理，發(fā)現(xiàn)我們改進效果非常令人滿意，有無疵點的效果大大增強。
七：紡織物疵點自動檢測的數(shù)據(jù)庫建立
　　圖像特征提取：
　　我們分別對原始圖像、雙降噪處理后的小波增強圖像進行粗糙度、對比度、方向度這三個特征提取，建立有無疵點的原始數(shù)據(jù)庫。
八：疵點判定的神經(jīng)網(wǎng)絡訓練
　　不可否認，在進行雙降噪處理后的小波圖像增強的同時，會刪減去一部分圖像的原有信息，導致圖像的部分失真。于是我們在訓練神經(jīng)網(wǎng)絡時所采用的訓練數(shù)據(jù)是：原始圖像的特征與雙降噪處理后的小波增強圖像特征的總和，這樣既保留了原始信息，又加強了主要信息。
　　我們選取{總粗糙度，總對比度，總方向度}為評價因素集，即輸入層神經(jīng)元為3。網(wǎng)絡輸出對應判定結(jié)果，這里定為0和1。其中，0判定為無疵點；1判定為有疵點。訓練雙重BP神經(jīng)網(wǎng)絡。
九：結(jié)論
　?。?）織物疵點圖像的增強是疵點檢測的重要環(huán)節(jié)之一。圖像增強的效果，直接影響著織物疵點的特征提取，以及最后的疵點類型識別。通過本課題討論的3種織物疵點圖像增強以及改進的方法，我們得出結(jié)論：基于小波理論的閾值增強方法，相對均值誤差(RMBE)最小，峰值信噪比(PSNR)最高。因此，在織物疵點圖像增強處理方面，利用小波閾值增強方法是可行的。
　　（2）通過對原始圖像與雙降噪處理后的小波增強圖像的特征進行提取，我們可以通過訓練好的雙重神經(jīng)網(wǎng)絡對有無疵點進行判定。且通過多次試驗比較，經(jīng)處理后的有疵圖的對比度一般不能降為0。
　　（3）本課題運用神經(jīng)網(wǎng)絡構(gòu)造出的疵點自動檢測系統(tǒng)有一定的局限性和誤差，不能適用于所有紡織物的疵點檢測，但是，本課題的研究結(jié)果是可以應用于實際的生產(chǎn)生活中的，與人工檢測相結(jié)合，減輕人工檢測疵點的負擔與誤差，起到一定的自動檢測疵點的作用，提高檢測效率與準確率。

本課題在漳州師范學院舉辦的科技文化節(jié)中進行研究，結(jié)題獎勵500元。