毕业论文课题相关文献综述

纺织品的生产过程中总会产生瑕疵点,这些瑕疵点直接影响着织物质量的好坏,织物的瑕疵检测是质量控制的一项重要内容，而织物疵点又是检验的重点。

传统的验布工作都是由人工完成的，该方法存在检测速度低，误检率和漏检率高，检验结果受人员主观因素影响大等缺点，随着计算机数字图像技术和工业自动化的发展,纺织品生产的自动化成为了必然趋势。

1.织物疵点特征值提取在检测识别织物疵点的过程中，织物疵点图像特征值的提取是很重要的内容。

纹理是织物表面最为明显的特征，通常认为纹理是在图像上表现为灰度或颜色分布的某种规律性，这种规律性在不同类别的纹理中有其不同特点，主要表现为结构性，周期性，方向性和均匀性，织物疵点是由经纬纱线不规则交织形成的，其纹理明显区别于规则交织形成的正常纹理，其出现会破坏纹理的规则性和完整性。

纹理特征可用来描述对象物表面的粗糙程度和它的方向性，作为表征织物图像的一种性质，能够通过数学运算反映出织物表面纹理特性，纹理特征提取的主要目的是将随机纹理或几何纹理的空间结构差异转化为特征灰度值差异，用一些数学模型来描述图像的纹理信息，包括图像区域的平滑、稀疏、规则性等。

2.织物图像特征提取方法 特征提取算法大致分为 2 种: 一种是直接对图像的灰度值在空间域计算, 抽取特征值；另外一种是把图像转换到频域后对频谱进行分析。

2.1空间域提取织物特征值的算法 数字图像在空间域中表现为一个灰度值矩阵， 采用不同的方法对灰度矩阵进行处理就可获得不同的特征值。

常用的纹理描述分析方法有: 灰度共生矩阵法、Markov 随机场法、灰度直方图统计法、灰度匹配法以及基于 PCNN的织物疵点检测方法。

灰度共生矩阵属于二阶统计量， 通过提取二阶矩、对比度、逆差分矩和熵等特征来描述纹理。

其优点在于其检测不受疵点种类的限制且不需要选择阈值作为对待检织物进行判断的依据。