导读:本文包含了起球等级评定论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:织物,等级评定,图像,傅立叶,阈值,标准,精纺。
起球等级评定论文文献综述
卢开新[1]（2018）在《基于图像处理的织物圆形起球区域的等级评定》一文中研究指出随着经济的发展,生活水平的提高,人们对服装质量有了更高的要求,然而织物的起毛起球会严重影响织物的服用性能及使用价值,所以对于织物起毛起球的等级评定也越发变得重要。主观评定是人们常用的毛球等级的评定方法,由于此方法是通过人的视觉或者操作来评定的,易受外界条件的影响,对人员要求也很高,而且目前织物的种类日益繁多,标准样照并没有与此对应,这同样会造成评级的误差,而利用图像处理技术对毛球等级的评定满足了客观性要求,所以本文就建立了一种利用图像处理技术对织物起球图像进行客观评定的方法,从而实现对不同种类织物的等级评定,为织物起毛起球等级评定提供参考。1.首先建立织物起球客观评定方法,包括图像采集、图像中织物和圆形起球区的确定、织物纹理的去除、光照不匀的去除、图像的阈值分割、特征值提取与数据分析以及判别函数的确定等。重点介绍图像中织物和圆形起球区的确定,主要通过图像二值化、图像填充等图像预处理的方法,确定标准样照的织物区,从而提取织物区的圆心,然后通过圆心坐标和起球区半径提取织物圆形起球区。2.以精梳毛织物标准样照为例,对建立的织物起球客观评定方法进行验证。提取织物圆形起球区、去除织物纹理、修正光照不匀,然后用高斯拟合对图像进行阈值分割,并将面积小于22个像素点的杂点进行去除,然后提取毛球特征值,通过对各个特征指标的数据处理以及各个特征指标数据与起球等级之间的相关性分析,最后确定毛球个数、毛球总面积、光学体积这叁个特征指标来综合衡量织物的起毛起球情况,并建立等级评定模板。通过观察各个特征指标的数值以及织物原图毛球标注的效果,可以得出本文建立的方法在对图像处理以及提取毛球特征方面效果良好。通过与截取的方形起球区域在特征指标数值上的比较以及相关性分析,得出对整个圆形起球区域进行分析更加全面性。3.用精梳毛织物建立的等级评定模板在对实际织物进行等级评定时发现,客观评定结果与主观评定结果之间有较大的差异,不一致率达64%。对误差原因进行分析得到:(1)主观评定结果波动性非常大,尤其是在毛球比较多的时候,容易忽略毛球的面积、毛球大小等毛球特征而进行等级评定,造成评定结果不准确;(2)实际织物具有多样性、特殊性,比如织物表面存在毛绒、褶皱,这些都会造成在对实际织物进行处理时造成毛球信息的误判,此外,标准样照毛球都比较大且分布比较均匀,而实际织物起球比较小,不突出,造成毛球信息的漏检,最终影响毛球特征指标与标准样照的吻合情况。4.对主观确定的棉织物起球等级样照进行处理,建立等级评定模板,并用此来对实际织物进行等级评定,发现客观评定结果与主观评定结果之间有良好的一致性,评定准确率高达90%,从而验证了本文建立的织物起球等级客观评定方法对不同织物进行起球等级评定的可行性。本文建立的织物起球等级客观评定方法在一定程度上能实现不同种类织物起球等级的客观评定,为不同织物起球等级的评定提供参考,从而规范织物起球等级评定机制。(本文来源于《东华大学》期刊2018-05-28）
蔡林莉,黄志威,叶春收,王思豪,俞泽达[2]（2013）在《基于图像处理的粗梳毛织物起毛起球等级客观评定》一文中研究指出织物起毛起球的评价目前主要依赖人工进行,易受主观因素的影响导致评定结果不理想。针对这一现状,文章对粗梳毛织物起毛起球等级客观评价方法加以研究。首先用MATLAB软件对起球等级样照进行图像处理,具体步骤包括:直方图均衡化、加法运算、二值化、求反、闭合、边界提取和中值滤波等,求得了毛球面积,再确定等级划分的毛球范围。以16块粗梳毛织物为实验对像,对其进行起球等级的主客观评定,得出织物起球等级主客观评定结果之间具有良好的一致性,这表明利用图像处理技术,以毛球面积作为特征参数,对粗梳毛织物起球等级进行客观评判的方法是可行的。(本文来源于《毛纺科技》期刊2013年02期）
杨璇[3]（2013）在《基于序列切面投影图像的织物起球等级评定方法研究》一文中研究指出织物的起毛起球现象指织物在实用过程中,因表面受磨部分生出绒毛茸,进而纠结成小球的疵病,这种现象严重影响织物的外观以及大众的消费选择,尤其是近年来,消费者对服用面料轻薄化、柔软化、高支化的要求越来越高,因而服用面料的起球问题也就更加受到关注,织物的起毛起球等级是评价织物质量的重要指标之一,目前通常采用主观评定方式,其结果受到人为因素影响很大。本文致力于研究基于序列切面投影图像的织物起球等级的计算机视觉评定方法,试图以一种客观评定方法来代替主观评定。论文对基于序列切面投影图像运动毛球理论模型进行实验验证,然后针对实际起球织物进行图像处理,并根据织物厚度将其分为轻薄型、中厚型和厚重型,着重对叁种不同厚度起球织物的图像分割进行了分析与讨论,最后利用最近邻算法建立了织物起球客观等级评定标准,并用15个织物试样对该方法进行了实验验证。论文主要内容如下：1、通过采集装置得到小球序列切面投影图像(将小球视为织物上的毛球进行验证实验),利用边缘检测算法提取小球序列切面投影图像的边缘轮廓线,将序列切面投影图像轮廓高度曲线拼接起来获得起球图像；进而对图像预处理；图像分割；最后提取相关特征值,从而验证了基于序列切面投影图像的运动毛球理论模型的正确性和合理性。2、在对实际起球织物序列切面投影图像基于双高斯拟合选取最适阈值时,着重考虑了织物厚度的因素,并且根据检测出织物的不同厚度,采用不同的分割参数相匹配,然后提取起球织物的序列切面投影图像的边缘轮廓高度曲线,拼接得到织物的起球图像；利用单峰高斯拟合阈值对起球图像毛球进行分割；对于起球等级严重的织物毛球出现的粘连现象,采用了基于点邻域比值的阈值对粘连毛球进行了再分割,取得了很好的效果。3、提取了毛球个数、毛球总面积、毛球平均面积、毛球最大面积、毛球总体积、毛球平均体积、毛球最大体积、毛球平均高度、毛球最大高度9个特征参数,分析了9个特征参数与起球等级的相关性,确定了毛球个数、毛球总面积、毛球平均体积以及毛球最大高度4个参数作为最终特征值,对这四个特征值进行归一化,建立特征向量模板,从而为起球等级评定提供依据。4、利用最近邻法建立了起球等级标准,选取3组15个实际起球织物试样进行客观起球等级评定,结果与主观评定相比,吻合率达到86.7%,表明了基于序列切面投影图像的织物起球等级评定方法的可行性。(本文来源于《东华大学》期刊2013-01-01）
邓文[4]（2012）在《基于小波变换的织物起球等级的客观评定》一文中研究指出织物起球会严重影响其外观、风格和手感，并降低织物的服用性能，因此，织物的抗起球性能是纺织品检测的一项重要指标。目前常用的评定方法大都是主观方法，这些方法带有很大的主观性，评定结果会受到人为因素的影响，且不能对织物的起球程度作精确定量的描述。本课题采用数字图像处理技术，对起球织物样照，运用时下较新的小波分析理论、织物纹理能量算法及神经网络等方法进行处理、评级。探讨了运用数字图像处理技术对织物起球性能做客观评定和定量描述的方法，促使织物起球等级的评定向客观化方向发展。在运用数字图像处理技术对织物起球等级作客观评定的过程中，织物纹理滤除、毛球分割及毛球特征值的提取是实现织物起球等级评定的基础。本文主要针对织物纹理滤除、毛球分割、毛球特征值选取和神经网络评级这几部分进行了分析和研究。本文首先根据数码相机获取的起球织物样照的特征，对样照进行了初步的预处理，对样照的灰度直方图进行拉伸消除光照不匀，并对图像进行消噪处理，为后续图像处理奠定基础。在织物纹理滤除过程中，本文将小波分析理论与织物纹理能量算法相结合，对经过多尺度小波分解后的起球织物样照图像进行织物纹理能量梯度计算，并拟合其能量梯度曲线，根据能量梯度曲线自动获取最佳小波重构层次，继而对毛球图像进行精确的小波重构，从而得到织物纹理滤除后的毛球图像。在毛球分割过程中，本文分析比较了边缘检测算法、数学形态学分割算法及阈值分割算法的图像分割原理和分割效果，最终采用迭代阈值分割算法和数学形态学算法相结合的分割方法作为本文的毛球分割方法，并分割出完整的毛球二值图像。同时，对毛球二值图像进行特征参数提取，对提取到的11个特征参数进行归一化处理并将其与起球等级进行相关性分析，根据相关性系数选取毛球个数、毛球总面积、起球密度、毛球平均高度、毛球总体积、毛球平均体积和粗糙度这几个特征参数作为评估起球等级的指标。最后，本文研究了神经网络识别模式在起球织物等级客观评定中的应用，将选取的特征参数输入BP神经网络进行训练，并对实际起球织物样本进行测试，最终证明本文所采用的织物起球等级客观评定的方法是可行的。(本文来源于《武汉纺织大学》期刊2012-03-01）
周圆圆[5]（2010）在《基于数字图像技术的织物起毛起球等级评定》一文中研究指出织物的起毛起球等级是评价织物质量的重要指标。目前基于样照比对的织物起毛起球等级评定方法,依赖于评定人员视觉习惯等方面,具有主观人为因素等缺陷,而基于图像分析的织物起毛起球等级评定方法更为客观准确,但目前这种方法仍处于理论研究阶段,因此本文在对织物起毛起球样照图像分析的基础上,提取特征值,确定评等标准,实现织物试样起毛起球等级的自动评定。文中首先给出了样照图像和织物起毛起球图像的采集方法。采用平板扫描仪并选取合适分辨率对机织物起毛起球标准样照进行扫描,截取样照圆内接最大正方形作为等级评定的图像。对于织物试样,利用YG401G织物平磨仪按照GB/T 4802.1-1997进行织物起球试验,再用扫描仪采集织物图像。然后给出了织物起毛起球图像分析的理论。在时域中很难直接分离图像中相互迭加在一起的周期性和非周期性成分,它们分别对应于织物纹理与毛球信息,为了有利于分析过程中毛球的分离,必须有效的滤除织物中纱线交织形成的纹理。为此本文采用傅立叶变换将图像信号转换到频域得到幅值谱,利用阈值法建立滤波模板,可以滤除代表织物纹理的周期性信号,但这种滤波结果的图像中毛球和背景反差较小。为了使毛球凸显,在上述滤波过程中保留了部分低频信息。为了在滤波后的图像上提取毛球信息,采用增强的局部OTSU阈值法对织物图像进行处理。对纹理滤除后的起毛起球图像首先进行对比度增强,并将整个图像分成若干块,在每个子块里采用OTSU阈值处理,对阈值后的织物起毛起球图像进行消噪处理,得到最终的毛球二值图像。接着给出了基于样照图像分析的织物起毛起球评等标准建立。通过对样照图像进行分析,提取毛球个数、毛球总面积所占比例、毛球最大面积等参数,并分析它们与织物起毛起球等级之间的关系,确定以毛球总面积所占比例这一特征参数作为等级评定的标准。最后对实际织物起毛起球试样按照前文提出的方法依次进行纹理滤除、毛球提取、毛球总面积所占比例计算、织物起毛起球等级评定。总共进行了25种织物试样的起球试验,分别采用图像分析方法及人工样照比对方法对织物起毛起球等级进行评定,主客观评等结果之间有着较好的一致性,一致率达到了84%,不一致的级差均为1级。结果表明:本文提出的基于图像分析方法的织物起毛起球等级评定方法更为客观、快速,可以替代目前人工样照比对评等方法。(本文来源于《江南大学》期刊2010-08-01）
刘晓军[6]（2009）在《纺织物起毛起球等级评定系统设计》一文中研究指出本文介绍了一种纺织物起毛起球等级客观评定系统。通过彩色CCD摄像头采集织物图像,经过去噪和光照补偿处理后,利用边缘流技术实现织物毛球分割,通过提取毛球数量、毛球总面积和光学体积叁个特征参数建立与起球等级的联系,并在叁维空间采用最小距离法实现毛球等级的评定。实验表明,该系统可以对多种复杂织物进行等级评定,系统适应性强,效果良好。(本文来源于《第七届全国信息获取与处理学术会议论文集》期刊2009-08-06）
艾宏玲,崔萍,郭润兰,楚晓,李龙[7]（2007）在《神经网络技术在精纺粗花呢起毛起球等级评定中的应用》一文中研究指出以精纺粗花呢纯毛织物为例,探讨纤维、纱线、织物结构因素及后整理工艺条件对精纺粗花呢织物起毛起球的影响.采用BP神经网络方法,建立纱线和织物结构参数与织物起毛起球性之间的关系.根据各种影响因素的变化预测精纺粗花呢起毛起球等级.(本文来源于《西安工程科技学院学报》期刊2007年02期）
曹飞[8]（2007）在《基于图像分析技术的织物起球等级评定方法》一文中研究指出随着人们对纺织品品质的要求越来越高，纺织品起球问题越来越受到人们的重视。在纺织品生产质量控制和外贸检验过程中，都要对织物抗起毛起球进行评价。目前人们通常采用的方法是采用标准样照对比评级，该方法属于主观评价方法，带有很大的人为主观因素，不能精确地评定织物的起毛起球程度。本论文采用数字图像处理技术，对精梳毛织物五个等级起球样照图像进行一系列分析处理，提取特征值，并建立毛球个数、毛球面积和光学体积叁个特征参数与起球等级之间的关系，在叁维空间内利用最小距离法对实际织物的起球等级进行评定。论文主要内容简要介绍如下：1、对精梳毛织物标准样照图像进行预处理，包括图像的截取和织物纹理的去除。着重介绍了运用快速傅立叶变换技术在频域范围对织物纹理进行去除的方法，在频域内采用中值滤波器对纹理信息对应的亮点、亮带进行有效滤除，并对滤波器窗体的大小进行比较讨论。2、介绍并讨论了图像二值化分割的方法，主要介绍了基于边界和基于阈值图像分割的方法。基于边界图像分割方法采用Roberts算子、Sobel算子、Canny算子和Log算子等微分算子；基于阈值的图像分割方法采用自适应阈值和高斯拟合阈值两种分割法，对这两种分割方法进行分析比较，着重研究论述了高斯拟合阈值分割方法的可行性和合理性，并对其分割得到的毛球二值图像中小于3个像素的噪声点进行了剔除。3、提取了毛球个数、毛球总面积、毛球最大面积、面积标准差、对比度、光学体积和毛球密度分布特征值，并对它们与起球等级的相关性从理论上和实际情况下进行详细的分析，最后选取毛球个数、毛球总面积光学体积这叁个参数作为表征毛球的标准特征参数，提取出样照图像中这叁个特征参数值，并进行归一化处理和建立特征向量模板。4、对起球等级评定的方法进行分析比较，选取最小距离判别法作为实际织物起球等级的评定方法。最后选取叁组实际起球织物图像进行图像光照不匀预处理后，按照分析样照图像同样的方法进行毛球图像分割、毛球特征参数值提取以及起球等级的评定，并对结果进行分析，验证整套方法的可行性。(本文来源于《东华大学》期刊2007-01-01）
陈霞[9]（2003）在《基于切面投影图像的织物起球等级的计算机视觉评定》一文中研究指出本文对基于切面光照投影图像的织物起球等级的计算机视觉评定进行了系统地研究。论文内容涉及序列切面投影图像采集装置的设计和研制，织物起球表面切面投影轮廓线的提取以及由拼接序列切面投影轮廓线而获取织物叁维起球图像的途径、织物起球图像预处理和毛球分割的算法及效果、织物起球的特征提取；以及应用神经网络对织物起球等级的评定等。现将论文各章内容简要介绍如下： 引言部分简要介绍了论文的选题背景。 第一章概述了国内外有关基于计算机视觉的织物起球等级评定的研究现状。除对织物起球实验和起球等级的主观评定方法作一般介绍外，着重从灰度图像分析和距离图像分析二方面介绍了国内外基于计算机视觉的织物起球等级评定的新研究成果及其不足之处。 第二章介绍了织物序列切面投影图像采集装置的研制，讨论了关键零件异型杆的设计。文中从理论上分析了异型杆边缘曲率半径和毛球半径之比对织物起球图像中毛球的伸缩变形和“粘连”的影响，从而为异型杆半径设计提供了依据。文中还从结构设计和刚度方面讨论了异型杆的正确截面形状。 第叁章详细介绍了如何利用织物序列切面投影图像获取织物起球图像的理论、方法和途径。文中介绍了如何正确确定切面投影图像采集时的背景光强，还系统介绍了利用LOG边缘检测算子和插值法提取起球织物切面投影轮廓线的途径，和通过拼接序列切面投影轮廓线得到织物叁维起球图像及其二维灰度显示的方法。文中着重指出，这种基于序列切面投影图像的织物起球图像获取方法可避免织物纹理、色彩等对织物起球信息的影响，从而使本文的起球评定方法不仅适用于素色织物，也适用于色织物、印花织物及其它花式织物。 第四章详细讨论了织物起球图像的预处理和毛球分割。文中详细论述了织物起球图像中背景不匀的来源和毛球孔洞存在的原因以及应用形态学方法逐步有序的进行消除的过程。文中介绍了四种阂值方法分割毛球的结果，并着重论述了用高斯拟合闭值法分割毛球的合理性和可行性，文中还提供了对印花织物、色织物、素色织物等不同类型织物、不同等级试样的起球图像进行毛球分割的结果。 第五章介绍了起球图像特征值的提取，并详细分析了粗糙度、偏度、毛球个数、毛球平均高度、毛球最大高度、毛球总体积、毛球总面积、毛球平均面积和毛球分形维等特征值与起球等级的相关性和类别可分性，从而为起球等级评定提供了依据。 第六章介绍了用100个起球织物试样对Bp网络和自组织神经网络进行训练和测试的过程以及网络的评定结果。Bp网络评定结果与主观评定结果的相关系数是0.97，等级评定的正确率是92%;自组织神经网络的评定结果与主观评定结果的相关系数是0.95，等级评定的正确率是84%。文中还对这两种网络的性能及应用进行了分析比较。 第七章对全文进行了总结。介绍了本文的主要贡献和存在的问题，对进一步研究方向提出了建议。(本文来源于《东华大学》期刊2003-11-01）
起球等级评定论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
织物起毛起球的评价目前主要依赖人工进行,易受主观因素的影响导致评定结果不理想。针对这一现状,文章对粗梳毛织物起毛起球等级客观评价方法加以研究。首先用MATLAB软件对起球等级样照进行图像处理,具体步骤包括:直方图均衡化、加法运算、二值化、求反、闭合、边界提取和中值滤波等,求得了毛球面积,再确定等级划分的毛球范围。以16块粗梳毛织物为实验对像,对其进行起球等级的主客观评定,得出织物起球等级主客观评定结果之间具有良好的一致性,这表明利用图像处理技术,以毛球面积作为特征参数,对粗梳毛织物起球等级进行客观评判的方法是可行的。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
起球等级评定论文参考文献
[1].卢开新.基于图像处理的织物圆形起球区域的等级评定[D].东华大学.2018
[2].蔡林莉,黄志威,叶春收,王思豪,俞泽达.基于图像处理的粗梳毛织物起毛起球等级客观评定[J].毛纺科技.2013
[3].杨璇.基于序列切面投影图像的织物起球等级评定方法研究[D].东华大学.2013
[4].邓文.基于小波变换的织物起球等级的客观评定[D].武汉纺织大学.2012
[5].周圆圆.基于数字图像技术的织物起毛起球等级评定[D].江南大学.2010
[6].刘晓军.纺织物起毛起球等级评定系统设计[C].第七届全国信息获取与处理学术会议论文集.2009
[7].艾宏玲,崔萍,郭润兰,楚晓,李龙.神经网络技术在精纺粗花呢起毛起球等级评定中的应用[J].西安工程科技学院学报.2007
[8].曹飞.基于图像分析技术的织物起球等级评定方法[D].东华大学.2007
[9].陈霞.基于切面投影图像的织物起球等级的计算机视觉评定[D].东华大学.2003
论文知识图
