棉麻纖維圖像分析及自動檢測技術(shù)的研究.pdf

1、本文以棉麻纖維圖像特征提取和識別為研究對象，系統(tǒng)研究紡織纖維自動檢測的技術(shù)，主要包括纖維切片技術(shù)、圖像自動攝取技術(shù)、圖像輪廓描述技術(shù)、圖像分割技術(shù)、圖像特征提取和纖維識別技術(shù)。 纖維成分的測定在紡織加工業(yè)、商品交易和國際貿(mào)易中有極其重要的地位。對由化學(xué)結(jié)構(gòu)相似纖維制成的混紡產(chǎn)品，無法用化學(xué)溶解法測定其成分比例，通常只能使用顯微鏡鑒別方法，棉/麻纖維的鑒別是其中的典型代表。 長期以來，人工檢測為基礎(chǔ)的檢驗方法，檢驗時間較長

2、，檢驗成本較高，檢驗結(jié)果會受主觀情緒和長時間工作的視覺疲勞影響產(chǎn)生測試誤差。本文研究棉/麻自動檢測的相關(guān)技術(shù)，從而達(dá)到縮短檢驗周期，提高檢驗效率，減輕檢驗人員的勞動強(qiáng)度，排除人為因素的干擾，保證結(jié)果的一致性和客觀性。 纖維切片技術(shù)關(guān)系到纖維自動檢測的難易和檢測結(jié)果的準(zhǔn)確性。本文首先簡單介紹制備縱向形態(tài)測試樣品的過程，利用煮沸法形成分布均勻、密度適當(dāng)?shù)睦w維懸濁液，然后在載玻片上形成分布均勻的纖維層，并且盡可能減少載玻片上纖維之間重

3、疊和交叉。根據(jù)纖維圖像自動檢測和分析的需要，采用預(yù)聚技術(shù)的丙稀酸類樹脂快速包埋技術(shù)制作纖維截面切片，改進(jìn)重點(diǎn)在于降低該類包埋劑聚合時收縮率，避免不均勻聚合，同時提高包埋速度，以適應(yīng)常規(guī)研究和快速檢測的要求。通過對木棉纖維和滌綸單中空纖維中空率、圓整度進(jìn)行測試，證明本技術(shù)具有良好的保形性能。采用樹脂切片技術(shù)獲得的纖維截面切片，切片薄，截面變形小，截面之間的粘連少，為圖像自動檢測系統(tǒng)的研制打下良好的基礎(chǔ)。 圖像自動攝取技術(shù)保證圖像數(shù)

4、字化的自動進(jìn)行，該技術(shù)主要由三部分組成——自動聚焦、多焦面圖像融合和圖像拼接技術(shù)，核心是聚焦算法。在聚焦算法硒究上，對灰度差分算子、灰度方差算子、Tengrad算子、Lapal算子和灰度熵算子在纖維顯微圖像聚焦效果進(jìn)行研究，在無偏性、單值性、單義性、抗干擾性和簡單性五個方面進(jìn)行性能比較，依據(jù)聚焦曲線選定灰度差分算子作為纖維圖像粗聚焦算子；通過對纖維圖像的特點(diǎn)進(jìn)行分析，提出自適應(yīng)局部區(qū)域和基于輪廓邊緣灰度變化精確聚焦方法，分別應(yīng)用于縱向片

5、段和截面聚焦。通過對實際攝取過程的分析，充分利用不同視野聚焦平面位置之間的相關(guān)性，預(yù)置起始聚焦位置，縮短聚焦距離，和改進(jìn)的調(diào)焦策略相結(jié)合，提高聚焦速度。 利用自動聚焦過程提供的多焦面圖像聚焦信息，在粗聚焦圖像的基礎(chǔ)上，根據(jù)纖維輪廓，將多焦蕊圖像組中每幅圖像分割為背景區(qū)域(無目標(biāo))、清晰區(qū)域(目標(biāo)聚焦區(qū)域)、模糊區(qū)域(目標(biāo)離焦區(qū)域)。融合圖像背景由系列聚焦圖像背景區(qū)域平均獲得，目標(biāo)區(qū)域通過清晰區(qū)域直接替代模糊區(qū)域獲得，并結(jié)合邊界處

6、理。 在顯微圖像處理分析中，受顯微鏡視野的限制，常常需要將多幅圖像拼成一幅較完整的圖像。本文提出的拼接算法基于模板匹配原則，根據(jù)圖像的相鄰關(guān)系確定拼接模板和拼接區(qū)域，利用中值濾波和梯度算子處理拼接模板和拼接區(qū)域，避免噪聲干擾和圖像灰度差異影響，保證定位精確和拼接正確。 目標(biāo)輪廓的特點(diǎn)是纖維圖像識別研究的重點(diǎn)，利用鏈碼對目標(biāo)輪廓描述，可以將輪廓的2—D邊界形狀描述問題，轉(zhuǎn)化成對1—D波形進(jìn)行分析的問題，為隨后進(jìn)行的目標(biāo)形狀

7、特征的描述和判別提供便利。為解決圖像噪聲干擾問題，采用輪廓邊緣平滑方法；為提高鏈碼表征角度的能力，擴(kuò)大計算輪廓切線方向的支撐區(qū)間，提高抗噪聲能力和減少線性采樣的影響，對Freeman鏈碼進(jìn)行改進(jìn)，引入方向鏈碼概念，即累加差分鏈碼和；通過對人工輪廓方向鏈碼曲線的分析，進(jìn)行輪廓角點(diǎn)提取技術(shù)研究。針對纖維縱向形態(tài)圖像，利用方向鏈碼確定輪廓跟蹤起始點(diǎn)和判斷纖維交叉部位及纖維頭端；根據(jù)纖維縱向輪廓的特點(diǎn)，提出快速生成纖維中軸線的算法。將纖維截面粘

8、連形式分為串聯(lián)、并聯(lián)兩種基本形式，給出判斷截面粘連的算法，針對不同的截面粘連形式提出不同的分割策略。最后對典型棉麻截面的中腔胞壁輪廓進(jìn)行方向鏈碼描述，并歸納了它們的鏈碼曲線特點(diǎn)。 將輪廓采用鏈碼表示就意味著將二維的圖像分析問題轉(zhuǎn)化為一維信號處理，就可以利用信號分析技術(shù)來提取纖維截面特征。從信號分析角度，輪廓信號可視為由輪廓包絡(luò)信號和輪廓特征信號組成。小波變換通過伸縮和平移等運(yùn)算功能對函數(shù)或信號進(jìn)行多尺度分析，具有多分辨率分析的特

9、點(diǎn)，很適合探測正常信號中夾帶的瞬態(tài)反?，F(xiàn)象并展示其成分。文中首先對小波變換原理、多分辨率分析原理及一維Mallat快速算法進(jìn)行簡單介紹；對纖維截面輪廓的方向鏈碼曲線振蕩原因進(jìn)行分析，依據(jù)小波降噪的原理，利用多層小波變換進(jìn)行信號降噪；利用小波變換多尺度分析能力，先獲得截面輪廓的包絡(luò)信號，然后獲得輪廓特征信號，并在裂縫、凹陷和角點(diǎn)的模型上驗證本算法的可行性；最后對中腔胞壁的突變特征信號進(jìn)行相關(guān)性分析，利用相關(guān)性系數(shù)區(qū)分棉麻纖維截面。

10、 在棉麻纖維縱向形態(tài)識別方面，首先簡單回顧已有的棉麻纖維縱向形態(tài)特征參數(shù)；根據(jù)纖維縱向輪廓的特點(diǎn)，提出快速準(zhǔn)確計算纖維縱向形態(tài)投影直徑的算法；根據(jù)纖維縱向形態(tài)圖像灰度變化的特點(diǎn)，提出利用纖維斷面灰度變化特征表征棉轉(zhuǎn)曲和判斷棉中腔的方法：針對纖維橫節(jié)和裂紋提取的困難，采用灰度投影方法提取纖維橫節(jié)和裂紋特征，將二維紋理特征的提取轉(zhuǎn)化為對一維灰度曲線波形分析；引入圖像樣式轉(zhuǎn)換技術(shù)解決彎曲纖維橫節(jié)和裂紋提取困難，并在此基礎(chǔ)上提出基于纖維中軸線的

11、快速判斷方法；最后建立棉麻纖維縱向形態(tài)識別流程。 針對天然纖維特征參數(shù)不穩(wěn)定的特點(diǎn)，利用神經(jīng)網(wǎng)絡(luò)進(jìn)行纖維識別。首先對棉麻纖維截面特征參數(shù)的分布進(jìn)行統(tǒng)計，初步得到它們韻分布規(guī)律；然后在介紹神經(jīng)網(wǎng)絡(luò)原理和特點(diǎn)的基礎(chǔ)上，構(gòu)建用于纖維識別的三層BP神經(jīng)網(wǎng)絡(luò)：采用固定測試法和交叉檢驗法對特征參數(shù)在識別中的作用進(jìn)行了研究，篩選出用于識別的截面特征集合；并在此基礎(chǔ)上，對網(wǎng)絡(luò)隱層節(jié)點(diǎn)數(shù)目和激活函數(shù)類型進(jìn)行優(yōu)選。 針對天然纖維特征參數(shù)不穩(wěn)

12、定的特點(diǎn)，利用神經(jīng)網(wǎng)絡(luò)進(jìn)行纖維識別。首先對棉麻纖維截面特征參數(shù)的分布進(jìn)行統(tǒng)計，初步得到它們的分布規(guī)律；然后在介紹神經(jīng)網(wǎng)絡(luò)原理和特點(diǎn)的基礎(chǔ)上，構(gòu)建用于纖維識別的三層BP神經(jīng)網(wǎng)絡(luò)；采用固定測試法和交叉檢驗法對特征參數(shù)在識別中的作用進(jìn)行了研究，篩選出用于識別的截面特征集合；并在此基礎(chǔ)上，對網(wǎng)絡(luò)隱層節(jié)點(diǎn)數(shù)目和激活函數(shù)類型進(jìn)行優(yōu)選。 本文以棉麻纖維為研究對象，系統(tǒng)研究紡織纖維自動檢測的相關(guān)技術(shù)，獲得了一系列成果。首先改進(jìn)樹脂包埋技術(shù)，縮短

13、包埋時間，為纖維截面分析提供低變形、高分離度的光學(xué)顯微鏡半薄切片，保證截面圖像質(zhì)量，基本滿足實際檢測工作的需要；根據(jù)紡織纖維光學(xué)顯微圖像的自身特點(diǎn)，確定自動聚焦算法，為自動顯微鏡的研制和應(yīng)用奠定基礎(chǔ)；對Freeman鏈碼進(jìn)行改進(jìn)，引入方向鏈碼概念，可以更精確地描述纖維截面的輪廓特征，而且將二維圖像特征提取轉(zhuǎn)化為一維信號分析，方便隨后的截面特征分析工作；利用小波變換具有多尺度分析的特點(diǎn)，對輪廓細(xì)節(jié)特征進(jìn)行提取，準(zhǔn)確反映截面輪廓特征變化；充