1、在紡織品制造過程中，質(zhì)量的檢測(cè)與控制是一項(xiàng)重要的操作步驟，而質(zhì)檢過程中最核心的工序則是對(duì)紡織品瑕疵的捕獲與修復(fù)。目前，經(jīng)由操作工人僅憑眼睛觀察來尋找瑕疵是大多數(shù)輕工業(yè)工廠的檢驗(yàn)方式，這里面一直存在一些問題，比如這種工作方式的強(qiáng)度過大、漏檢誤檢率高，而且人工檢測(cè)受操作工的主觀因素影響相對(duì)比較大，因此無法保證更高的準(zhǔn)確度，對(duì)工人本身的視覺也容易產(chǎn)生一定的損害。紡織品瑕疵檢測(cè)是目前計(jì)算機(jī)視覺領(lǐng)域內(nèi)的一個(gè)研究熱點(diǎn)，在國(guó)內(nèi)外已經(jīng)有很多研究成果，但

2、是在有效性、實(shí)時(shí)性和適用性方面，目前的檢測(cè)技術(shù)還不能夠完全滿足實(shí)際生產(chǎn)的要求，需要進(jìn)一步探索織物疵點(diǎn)檢測(cè)的新技術(shù)。在分析研究當(dāng)前多種織物疵點(diǎn)檢測(cè)算法的基礎(chǔ)上，本課題所做研究如下:
　　 (1)詳細(xì)探討了疵點(diǎn)分類模式，主要包括基于幾何特征的疵點(diǎn)分類和基于紋理特征的疵點(diǎn)分類。此外還介紹了疵點(diǎn)檢測(cè)的系統(tǒng)軟硬件環(huán)境。
　　 (2)對(duì)織物疵點(diǎn)檢測(cè)方法進(jìn)行了概括，主要包括基于空間域圖像處理的疵點(diǎn)檢測(cè)方法和基于頻率域圖像處理的疵點(diǎn)檢測(cè)

3、方法。同時(shí)也介紹了有關(guān)圖像的數(shù)字化及圖像構(gòu)成原理、圖像預(yù)處理與圖像分割的基礎(chǔ)知識(shí)。
　　 (3)針對(duì)紡織品瑕疵自動(dòng)檢測(cè)這一難題，本文根據(jù)紡織品圖像紋理的本身特征，從圖像紋理的周期性這個(gè)較為重要的視覺特征著手，結(jié)合紡織品瑕疵圖像及其所對(duì)應(yīng)的無瑕疵標(biāo)準(zhǔn)圖像的像素灰度值特征，提出了經(jīng)過改進(jìn)后的基于紋理周期性分析的紡織品瑕疵檢測(cè)方法。基于周期性分析的紡織品瑕疵檢測(cè)過程為:預(yù)處理圖像一自相關(guān)函數(shù)的運(yùn)算一基本單元模板的運(yùn)算→瑕疵區(qū)域增強(qiáng)→構(gòu)

4、造均值圖像→Otsu法分割→中值濾波→瑕疵定位等。
　　 (4)本文還給出了另一種紡織品瑕疵檢測(cè)方法，采用了Gabor濾波器模板。這是一種知名度非常高的算法，它能夠在時(shí)域與頻率域很好的進(jìn)行紋理分析工作。人工視覺系統(tǒng)能夠被它以一組自相似的具有不同方向與尺度特征的Gabor濾波器組完美地進(jìn)行模擬。另外，再運(yùn)用二值化和數(shù)學(xué)形態(tài)法濾波進(jìn)行圖像分割，完成紡織品瑕疵的檢測(cè)，并采用基于多通道Gabor濾波的瑕疵檢測(cè)方法，達(dá)到改進(jìn)多通道信息融合