导读:本文包含了疵点判别论文开题报告文献综述及选题提纲参考文献，主要关键词:织物疵点,线阵相机,图像处理卡,灰度比例法
疵点判别论文文献综述
张继超[1]（2012）在《织物疵点判别方法研究与实现》一文中研究指出织物生产中，质量控制十分重要，疵点检测是织物质量的重要保障。至今，大部分纺织企业织物疵点检测仍就由人工视觉完成，该方法检测速度慢，误检率和漏检率高。因此，用机器视觉替代人工视觉成为国内外热门话题。本课题研究对象为帘子布，目的是实现基于机器视觉的帘子布疵点判别硬件平台，同时探究疵点快速判别算法，实现疵点快速、准确的判断。帘子布运动速度快并且纹理特殊，得到清晰的帘子布图像成为系统的关键问题。该系统的硬件系统为五部分：CCD线阵相机、光学镜头、图像采集卡、光源和计长工具。CCD线阵相机和光学镜头组成光学成像系统，光源部分为成像提供足够的像面照度，保证成像质量；图像采集卡和计算机组成图像获取系统，将CCD相机采集到的图像信息存储到计算机中；计长工具能够计算帘子布运行的长度，并且给相机提供外部同步信号。本文根据系统要求，对系统进行硬件的选择，并且编写图像采集程序，该程序采用MIL8.0库函数，通过VC++6.0编译器完成的。在工业现场表明，该系统能够采集到清晰的帘子布图像。在织物疵点快速判别中，本文介绍了基于灰度直方图方法和基于灰度剖面图方法的帘子布疵点判别方法，并且提出了基于灰度比例法帘子布疵点判别方法。灰度直方图是基本的方法，由于本身的缺陷，误检率较高；灰度剖面图是从地貌剖面图得来的，但是容易受到外界干扰，稳定性差；灰度比例法是根据帘子布本身纹理特征提出的，选取背景和前景的比值作为判别疵点的标准，该方法受外界干扰较小，判别灵活，与帘子布种类关系不大，因此与前两种方法相比更适合帘子布疵点快速判别(本文来源于《中原工学院》期刊2012-03-01）
李建建[2]（2009）在《帘子布疵点智能化判别的研究》一文中研究指出帘子布疵点的有效检测对提高产品质量、降低产品成本具有重要的意义。在帘子布的生产过程中,质量检测与控制是非常重要的,而疵点检测是质量检测与控制中最重要的一部分。目前国内织物生产的在线检测基本上都是由人工视觉来完成的,帘子布疵点的检测也是如此。在人工检测的过程当中,由于人本身存在的缺陷,其视觉往往会存在一定的偏差,这就会造成疵点的误检和漏检。本文的研究目的就是找到一种基于计算机平台的帘子布疵点快速检测方法。本文在对国内外关于织物疵点自动检测研究成果学习和研究的基础上提出了自己的研究内容。首先是检测系统的硬件平台搭建,然后是帘子布疵点自动检测。帘子布疵点自动检测分为叁个部分来完成,分别是图像的预处理、图像分割以及疵点的识别分类。在图像预处理部分首先把采集过来的原始图像变为灰度图像,然后对比了两种去噪滤波方法,选择了中值滤波这种快速有效的滤波方法,接着采用Sobel算子对图像进行锐化增强。在图像分割部分首先提出一种基于能量计算的帘子布疵点图像快速检测方法,对比了分水岭等叁种算法对帘子布疵点分割的效果,得出分水岭算法是一种较优秀的分割算法这一结论,接着对分水岭算法进行改进,并用改进过之后的分水岭算法对疵点图像进行分割。在疵点识别分类部分首先根据帘子布4类疵点的特征找出5个特征量,利用径向基函数网络对疵点进行识别分类。仿真实验结果表明,本课题所做的研究都是有效可行的。(本文来源于《中原工学院》期刊2009-10-01）
努尔顿,左保齐[3]（2003）在《丝织物疵点智能化判别》一文中研究指出2.3图像分割织物纹理是识别过程中主要的一个障碍。为了避免纹理对识别造成影响,我们用了图像分割法。也就是先用一个小窗口作为运算单元,对整个图像数据进行了计算,求出每个小窗口的平均值,并将其作为新的图像数据。一般没有疵点部分的织物图像数据平均灰度值基本在一(本文来源于《丝绸》期刊2003年11期）
努尔顿,左保齐[4]（2003）在《丝织物疵点智能化判别》一文中研究指出主要对平纹、斜纹和缎纹组织丝织物的一些常见疵点,如档疵、缺纬、缺经、重纬、油污等进行了智能化判别。先用SONY数码相机在黑色的背景下对疵点进行了拍照得到了图像数据,然后用一系列图像预处理法,如直方图处理变换增加了织物图像的对比度、用计算得到的阈值对织物进行了二值化处理、滤波方法消除二值化处理后图像噪声等,从织物纹理分离出疵点部分,得到了可以分析的织物疵点图像。用灰度统计法对预处理得到的织物疵点图像进行了分析,得到了织物各疵点基本特征值信息。织物疵点智能化判别是用BP神经网络进行的,首先对BP神经网络进行了训练,然后将灰度统计法得到的疵点特征值信息输入到BP神经网络,对疵点进行了分类。(本文来源于《丝绸》期刊2003年10期）
努尔顿[5]（2003）在《丝织物疵点智能化判别》一文中研究指出本文主要对平纹、斜纹和缎纹组织丝织物的一些常见疵点，如档疵，缺纬，缺经，重纬，油污等进行了智能化判别。先用SONY数码相机在黑色的背景下对疵点进行了拍照得到了图像数据，然后用一系列图像预处理法，如直方图处理变换增加了织物图像的对比度、用计算得到的阈值对织物进行了二值化处理、滤波方法消除二值化处理后图像噪声等，从织物纹理分离出疵点部分，得到了可以分析的织物疵点图像。用灰度统计法对预处理得到的织物疵点图像进行了分析，得到了织物各疵点基本特征值信息。织物疵点智能化判别是用BP神经网络进行的，首先对BP神经网络进行了训练，然后将灰度统计法得到的疵点特征值信息输入到BP神经网络，对疵点进行了分类。(本文来源于《苏州大学》期刊2003-05-01）
陈建国[6]（1993）在《谈“判别式法”等在教学中的几个疵点》一文中研究指出“判别式法”、“叁角函数值有界法”等是求函数值域常用方法,尽管这类解法教学上日益完善,但决非尽善尽美。本文就有关这方面,谈些粗浅看法。一、“判别式法”求函数值域解法实质是什么有关资料表明,在中学数学教学中存在:“判别式法”仅仅使用一元二次方程根的判别式的偏面认识,有些(如文[1][2][3])甚至基于这一认识,得出“判别式法”并不可靠,仅在一定范围内使用结论,文[1][2]提出的理由是求解过程中,函数式(看作关于x方程)变形不都是同解变形,仅仅用1≥0,可能扩大y的取值范围。诚然,我们可以把“判别式法”运用局限于函数式变形为同解变形的函数范围内,但这无疑是作茧自缚,因为不加约束条件(本文来源于《中学教研》期刊1993年08期）
疵点判别论文开题报告
（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：
帘子布疵点的有效检测对提高产品质量、降低产品成本具有重要的意义。在帘子布的生产过程中,质量检测与控制是非常重要的,而疵点检测是质量检测与控制中最重要的一部分。目前国内织物生产的在线检测基本上都是由人工视觉来完成的,帘子布疵点的检测也是如此。在人工检测的过程当中,由于人本身存在的缺陷,其视觉往往会存在一定的偏差,这就会造成疵点的误检和漏检。本文的研究目的就是找到一种基于计算机平台的帘子布疵点快速检测方法。本文在对国内外关于织物疵点自动检测研究成果学习和研究的基础上提出了自己的研究内容。首先是检测系统的硬件平台搭建,然后是帘子布疵点自动检测。帘子布疵点自动检测分为叁个部分来完成,分别是图像的预处理、图像分割以及疵点的识别分类。在图像预处理部分首先把采集过来的原始图像变为灰度图像,然后对比了两种去噪滤波方法,选择了中值滤波这种快速有效的滤波方法,接着采用Sobel算子对图像进行锐化增强。在图像分割部分首先提出一种基于能量计算的帘子布疵点图像快速检测方法,对比了分水岭等叁种算法对帘子布疵点分割的效果,得出分水岭算法是一种较优秀的分割算法这一结论,接着对分水岭算法进行改进,并用改进过之后的分水岭算法对疵点图像进行分割。在疵点识别分类部分首先根据帘子布4类疵点的特征找出5个特征量,利用径向基函数网络对疵点进行识别分类。仿真实验结果表明,本课题所做的研究都是有效可行的。
（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。
疵点判别论文参考文献
[1].张继超.织物疵点判别方法研究与实现[D].中原工学院.2012
[2].李建建.帘子布疵点智能化判别的研究[D].中原工学院.2009
[3].努尔顿,左保齐.丝织物疵点智能化判别[J].丝绸.2003
[4].努尔顿,左保齐.丝织物疵点智能化判别[J].丝绸.2003
[5].努尔顿.丝织物疵点智能化判别[D].苏州大学.2003
[6].陈建国.谈“判别式法”等在教学中的几个疵点[J].中学教研.1993