导读:本文包含了织物疵点检测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:疵点,织物,卷积,阈值,神经网络,特征,同态。
织物疵点检测论文文献综述
杜帅,李岳阳,夏风林,罗海驰,蒋高明[1]（2019）在《基于十字窗口的经编织物疵点检测》一文中研究指出织物疵点检测在织物的质量控制中起着重要作用,传统的疵点检测方法,实际应用中会出现检测灵敏度差、虚警率高等问题,为此文章采用了一种十字窗口的方法来进行织物疵点检测。首先利用同态滤波对图像进行预处理,然后以滤波后的像素点为中心点,其上下左右四个方向上选择邻近像素点,根据中心点与邻近像素点的灰度差值,从而判断中心点的类别。实验结果表明:该算法对疵点背景分离明显的疵点具有很好的检测效果,不仅能检测出光照不匀情况下的弱小疵点,也能检测不同类型的弱小疵点,检测正确率可达94.44%,具有一定的适应性、检出率及抗噪性。(本文来源于《丝绸》期刊2019年11期）
曹桂红,欧阳颖,国庆,彭亮[2]（2019）在《基于SIFT算法的织物疵点检测》一文中研究指出通过对织物疵点的检测和消除是纺织业生产至关重要的一部分,因为纺织物的疵点严重降低织物的质量和影响美观,直接影响企业的生产利润。目前,我国很多企业依旧以人工检测织物疵点,此法容易出现误检和漏检且效率不高,无法达到现代纺织生产的要求。(本文来源于《信息记录材料》期刊2019年09期）
贺智明,彭亚楠[3]（2019）在《基于深度学习的织物疵点检测研究进展》一文中研究指出针对深度学习在图像处理、目标检测等领域中的应用,综述了几种常用的织物疵点检测方法,主要分为基于结构的方法、基于频谱的方法、基于统计的方法、基于模型的方法和基于学习的方法,概括这些方法的原理并比较分析其优缺点。着重阐述基于深度学习的织物疵点检测方法和发展状况,分析其未来研究方向,为相关研究提供学术参考。(本文来源于《毛纺科技》期刊2019年08期）
罗俊丽,路凯[4]（2019）在《基于卷积神经网络和迁移学习的色织物疵点检测》一文中研究指出针对色织物疵点检测准确率较低的问题,提出一种基于卷积神经网络的疵点识别方法。首先对织物图像进行预处理,然后将无疵点织物和5类疵点织物图像样本输入到残差网络模型进行训练和测试,最终总识别率为91.53%。以残差网络模型为例,研究了迁移学习在织物疵点识别中的应用。将ImageNet数据集上预训练的图像特征迁移到织物疵点识别任务上,并在两个大小不同的数据集上比较迁移学习的效果。结果显示,当数据集较小时,通过迁移学习可以提升模型的识别率。(本文来源于《上海纺织科技》期刊2019年06期）
王晨煜,景军锋,张缓缓,苏泽斌[5]（2019）在《基于滚动引导滤波与FT算法的色织物疵点检测》一文中研究指出针对色织物疵点检测纹理背景对检测结果影响大的问题,提出一种滚动引导滤波和频率调谐显着性相结合的色织物疵点检测算法。采用滚动引导滤波在保留疵点区域的同时抑制色织物的纹理背景;应用频率调谐视觉显着性算法得到全分辨率的显着图;使用迭代阈值分割将显着图二值化,并运用形态学运算去除孤立的像素点,疵点检测效果较好。认为:该算法能够有效抑制织物的纹理,对疵点区域精准分割。(本文来源于《棉纺织技术》期刊2019年06期）
侯璇[6]（2019）在《织物疵点检测的若干问题研究》一文中研究指出“衣、食、住、行”是人类生存的四大基本要素,其中“衣”自古以来都是排在第一位的。所以,在我国传统行业中,纺织行业一直是我国的支柱性产业和重要民族生产业,而织物产品的质量问题也关系到纺织企业的命脉。因此,对纺织品质量的监控与检测是企业生产过程中必不可少的环节。在纺织企业的生产过程中,传统人工织物疵点检测的方法不仅耗费大量人力,还存在检测效率低下、准确率低、劳动强度大、成本高等弊端。近年来,随着计算机视觉和图像处理技术的兴起与广泛应用,对织物疵点检测的研究已成为图像处理领域的研究热点之一。本文运用图像处理技术对织物疵点检测的若干问题进行研究,以达到提高织物疵点检测效率的目的。针对织物狭小疵点检测困难问题,本文以图像处理技术为背景结合图像的稀疏表达方式,采用FCM聚类方法进行检测。其基本思想是将织物检测模型分为学习模块和实时检测模块,把无疵点的织物样本库输入学习模块进行学习,把含有疵点的样本输入实时检测模块与学习好的样本进行对照,通过调节阈值来分割出残缺图像,以达到检测目的。针对织物疵点显着性特征检测问题,本文提出一种基于Gabor滤波簇的非均匀增量式LLE检测算法。Gabor小波在时域和频域具有较好分辨能力的特性,能有效地提取图像多尺度下的局部方向特征。然后,对提取后的高维特征采用非均匀增量式的监督LLE算法进行降维,再采用F-KNN算法进行分类,最后得到疵点识别结果。该方法较LLE算法、有监督的LLE算法在检测准确率上有明显的提高,并在一定程度上缩短检测时间。针对图像边缘提取中间断点多、不光滑问题,本文采用叁次B样条小波作为滤波器,用小波变换的方法从全局的角度改善边缘间断问题,再结合小波变换基于模极大值的方法对非极大值抑制,最后采用K-means++聚类自适应双阈值方法对图像边缘进行检测,该方法提高了边缘的定位精准率。(本文来源于《武汉纺织大学》期刊2019-06-01）
黄海松,张松松,仝子萱,姚立国[7]（2019）在《双频FTP在色织物疵点检测中的应用》一文中研究指出通过双频FTP解决由单频条纹引起的2π相位模糊问题。由于在色织物检测的傅里叶变换轮廓术FTP中,只能获得单个变形的条纹图案,为了同时捕获两个不同频率的条纹图案、提高检测精度,将双频技术引入到色织物表面检测的FTP中。具有不同频率的两个区域的光栅结构被投影到被检测蜡染布的表面上,应用双频技术提取出没有相位模糊的实相。经过计算机模拟仿真与实验验证,得出该方法能够成功解决蜡染布疵点检测中的2π相位模糊问题。(本文来源于《激光杂志》期刊2019年05期）
王珺璞[8]（2019）在《基于层次化特征及改进RPCA的织物疵点检测算法研究》一文中研究指出织物疵点检测是纺织品生产制造过程中的关键环节,直接决定着纺织品的质量和价值。对于纹理复杂多样、疵点形态各异的织物图像来说,传统模式识别方法存在着检测率不高、适应性不强的问题。鲁棒主成分分析(Robust principal component analysis,RPCA),又称低秩分解模型能将图像分解为目标和背景,可用于织物疵点检测问题。然而,基于低秩分解模型的检测方法的性能依赖于图像的有效表征及模型的构建和求解。因此,本文结合织物图像特性,对图像表征和RPCA模型展开研究,提出了基于层次化特征和改进RPCA的织物疵点检测算法。研究成果如下:1)提出了基于特征融合和TV-RPCA的织物疵点检测算法。首先,根据一阶梯度特征和二阶梯度特征互补的特性,通过典型相关分析(Canonical Correlation Analysis,CCA)对二者进行融合,以提高图像表征能力;然后,构建基于全变差正则项的低秩分解模型(total variation-RPCA,TV-RPCA),在有效地分离出织物疵点的同时,可以在一定程度上消除织物图像中的部分噪声;最后,将优化求解出的稀疏矩阵根据空间对应关系得到疵点显着图,并进行阈值分割处理。实验结果表明,所提算法优于利用单一特征及传统RPCA的检测效果。2)提出了基于深度特征和NTV-RPCA的织物疵点检测算法。首先,通过卷积神经网络提取出多层次深度特征,以实现对织物图像有效表征;然后,构建基于非凸全变差正则项的低秩分解模型(non-convex total variation-RPCA,NTV-RPCA),不仅可以有效地检测出含有较少噪声的疵点显着图,而且非凸优化可以提高求解精度;最后,将由稀疏矩阵生成的多个疵点显着图选择性进行融合,并通过阈值分割得到最终的疵点分割图。实验结果表明,所提算法进一步提高了疵点的检测效果。3)提出了基于深度-低阶特征和NTV-NRPCA的织物疵点检测算法。首先,通过融合新型卷积神经网络提取出的高阶语义特征和一些低阶对比度信息,提高了图像的表征能力;然后,构建基于非凸全变差正则项的非凸低秩分解模型(non-convex total variation-non-convex RPCA,NTV-NRPCA),在有效地检测出含有较少噪声的疵点显着图的同时,可以进一步地提高求解精度;最后,将稀疏矩阵对应的疵点显着图通过一种阈值分割算法,得到疵点分割图以定位疵点位置。实验表明,所提算法在降低计算复杂度的前提下,仍具有很高的检测精度。本文研究成果可用于简单纹理或复杂纹理的织物图像疵点检测,提高了现有检测方法的自适应性及检测精度,相关算法可推广到纸张、铝箔或钢材等工业产品表面的缺陷检测,具有广泛的应用前景。(本文来源于《中原工学院》期刊2019-05-01）
丁燕,闫治宇[9]（2019）在《基于裂变粒子滤波算法的织物图像疵点检测研究》一文中研究指出为了提高织物图像疵点检测的效果采用裂变粒子滤波算法。通过分类复制算法对粒子进行选择,整个过程粒子总数不变;裂变因子控制粒子裂变数量与其对应的被裂变粒子权值成正比,大权值的粒子能够裂变生成更多的粒子,根据多样性函数以及广义似然比检验定律判断是否处于有限收敛界,若是则停止裂变;织物图像的像素点分预测、更新消噪过程,疵点区域通过最佳阈值分割;给出织物图像疵点检测过程。实验仿真显示,此算法对织物图像疵点检测效果清晰,疵点在整体上保持了较为完整的检测效果,误检率、检出率指标较优。(本文来源于《印染助剂》期刊2019年04期）
袁小军,陈晓东,邱莉,熊艳平[10]（2019）在《基于最大熵阈值算法的织物疵点检测与疵点织物应用》一文中研究指出对织物表面出现的断经、断纬、破洞、油污等疵点进行识别并在实际中应用。将熵阈值分割应用于图像处理,通过最大熵阈值分割的迭代运算,将目标区域与背景区域分割开,即将织物疵点区域与正常区域划分出来,然后进一步对图像进行特征化处理,同时将实际生活中的乞丐装样式织物进行特征化处理,经过二者之间的特征化图像比对,确定疵点织物应用于实际生产的样式,以实现对疵点织物的有效利用。(本文来源于《毛纺科技》期刊2019年03期）
织物疵点检测论文开题报告
（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：
通过对织物疵点的检测和消除是纺织业生产至关重要的一部分,因为纺织物的疵点严重降低织物的质量和影响美观,直接影响企业的生产利润。目前,我国很多企业依旧以人工检测织物疵点,此法容易出现误检和漏检且效率不高,无法达到现代纺织生产的要求。
（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。
织物疵点检测论文参考文献
[1].杜帅,李岳阳,夏风林,罗海驰,蒋高明.基于十字窗口的经编织物疵点检测[J].丝绸.2019
[2].曹桂红,欧阳颖,国庆,彭亮.基于SIFT算法的织物疵点检测[J].信息记录材料.2019
[3].贺智明,彭亚楠.基于深度学习的织物疵点检测研究进展[J].毛纺科技.2019
[4].罗俊丽,路凯.基于卷积神经网络和迁移学习的色织物疵点检测[J].上海纺织科技.2019
[5].王晨煜,景军锋,张缓缓,苏泽斌.基于滚动引导滤波与FT算法的色织物疵点检测[J].棉纺织技术.2019
[6].侯璇.织物疵点检测的若干问题研究[D].武汉纺织大学.2019
[7].黄海松,张松松,仝子萱,姚立国.双频FTP在色织物疵点检测中的应用[J].激光杂志.2019
[8].王珺璞.基于层次化特征及改进RPCA的织物疵点检测算法研究[D].中原工学院.2019
[9].丁燕,闫治宇.基于裂变粒子滤波算法的织物图像疵点检测研究[J].印染助剂.2019
[10].袁小军,陈晓东,邱莉,熊艳平.基于最大熵阈值算法的织物疵点检测与疵点织物应用[J].毛纺科技.2019
论文知识图
