学位论文 > 优秀研究生学位论文题录展示

基于灰度共生矩阵和BP神经网络的织物组织结构识别

作　者: 柯维
导　师: 张长胜
学　校: 苏州大学
专　业: 纺织工程
关键词: 织物组织灰度共生矩阵神经网络小波分解
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 40次
引　用: 0次
阅　读: 论文下载

内容摘要

目前织物组织结构的分析还是借助于放大镜、分析针等简单工具,完全依赖人工目测完成。由于人工目测不可避免会受到个人的视力、情绪、疲劳、光线等因素的影响,带有很大的个人主观性,往往难以保证识别质量,造成测试结果具有一定的主观性和不可靠性,而且耗费操作人员大量的时间重复做相同的工作。加上效率低下已无法适应目前纺织生产小批量、多品种、高效率的需要。这成为了提高纺织企业信息化、生产自动化程度的一个瓶颈。如果能设计出一套织物组织结构参数的自动识别系统,将会大大推动纺织生产效率,实现全面自动化。图像处理技术和人工智能近年来取得了很大的发展,这使得利用图像处理技术实现织物组织结构的自动分析成为可能。本文运用灰度共生矩阵对织物图像进行特征提取,然后设计了一个三层BP神经网络对提取出来的特征值进行识别分类,经试验验证对平纹、斜纹、缎纹三种组织织物图像的正确识别率可达93.45%。在织物分类成功的基础上,运用小波分解理论,提取织物图像经纬向亮度信息,对织物组织点进行定位,利用组织点图像表面纹理信息,提取相关性特征,对其经纬属性进行判断,从而分析出织物具体组织结构。

全文目录

中文摘要  4-5
Abstract  5-8
第一章绪论  8-16
  1.1 课题研究的目的及意义  8-9
  1.2 国内外研究进程  9-15
    1.2.1 基于空间域的织物组织结构识别  9-11
    1.2.2 基于频域的织物组织结构识别  11-13
    1.2.3 结合特定理论的分析法  13-14
    1.2.4 基于典型的图像处理算法  14-15
  1.3 本文研究的主要内容  15-16
第二章基于灰度共生矩阵的织物图像特征提取  16-34
  2.1 图像的纹理特征  16-17
  2.2 灰度共生矩阵理论  17-21
    2.2.1 灰度共生矩阵生成  18-19
    2.2.2 灰度共生矩阵特点  19-20
    2.2.3 灰度共生矩阵特征值  20-21
  2.3 图像采集  21-22
  2.4 图像预处理  22-25
    2.4.1 直方图均衡化  23-24
    2.4.2 中值滤波  24-25
  2.5 灰度共生矩阵构造参数的选取  25-27
    2.5.1 步长的选取  26
    2.5.2 纹理方向的选取  26
    2.5.3 灰度量化级的选取  26-27
  2.6 织物特征参数的提取与分析  27-34
    2.6.1 特征参数的提取  27-28
    2.6.2 特征参数的分析  28-34
第三章基于BP 神经网络的织物组织结构分类  34-51
  3.1 神经网络概述  34-39
    3.1.1 生物神经元模型  34-35
    3.1.2 人工神经元模型  35-38
    3.1 3 人工神经网络的分类  38-39
  3.2 BP 神经网络  39-42
    3.2.1 BP 神经网络概念及结构  39-40
    3.2.2 BP 网络的学习算法  40-41
    3.2.3 BP 人工神经网络的主要能力及用途  41-42
  3.3 用于机织物组织结构分类的BP 神经网络设计  42-44
  3.4 用于机织物组织结构分类的BP 神经网络Matlab 实现  44-50
    3.4.1 归一化方法及Matlab 函数  45
    3.4.2 数据选择和归一化  45-47
    3.4.3 BP 神经网络结构初始化  47
    3.4.4 BP 神经网络训练  47-49
    3.4.5 BP 神经网络分类  49-50
  3.5 织物组织结构分类试验结果分析  50-51
第四章织物组织结构识别  51-67
  4.1 织物组织点区域划分  51-60
    4.1.1 小波分析理论  51-53
    4.1.2 小波基的选取  53-55
    4.1.3 织物图像的小波分解  55-56
    4.1.4 小波分解图像的二值化处理  56-59
    4.1.5 组织点区域的划分  59-60
  4.2 织物组织点识别  60-67
    4.2.1 组织点图像的结构特征  60-61
    4.2.2 组织点图像的特征提取  61-65
    4.2.3 织物组织点经纬属性判别  65-67
第五章结论与展望  67-69
  5.1 结论  67
  5.2 展望  67-69
参考文献  69-74
攻读硕士学位期间发表的论文  74-75
附录  75-85
致谢  85

基于灰度共生矩阵和BP神经网络的织物组织结构识别

内容摘要

全文目录

相似论文