论文部分内容阅读
我国是纺织品和服装出口大国,纺织品和服装出口在我国外贸出口中一直占有重要的位置。棉花、羊毛羊绒是纺织工业中最常用的、最主要的纺织纤维。我国不仅是棉花生产、进口、消费和纺织品出口位居世界第一的国家,也是羊毛、羊绒的主要生产国。纤维长度和纤维混纺比、纤维细度一样,也是纺织品生产中的重要指标。它是评判进出口产品质量优劣和分级的重要依据。检测的结果直接影响企业和国家的利益。纤维长度、细度和成熟度等参数反映纤维及其成纱质量,它直接影响纤维的可纺性和加工的有效性,故为纺织原料、精纺加工质量检验的必测项目。为了提高纤维检测的自动化程度,我们课题组研究开发了一个计算机图像检测的纤维检测系统,可以直接、精确、快速地测量棉纤维的长度、细度、成熟度等指标。该系统通过获取纤维图像,对纤维图像进行多焦面融合、大图拼接、纤维图像细化和纤维图像分离等过程处理,从而得出纤维的各项指标。为了获取纤维素纤维纵向的特征参数,纵向切成很短的纤维片段放置于载玻片上,通过连接在光学显微镜的数码相机,为了保证纤维目标图像的清晰度,显微镜的放大倍数为100~200。受显微镜物镜的数值孔径和显微镜的视野限制,整个目标纤维的纵向图像不可能一次全部采集到,必须采用分图像采集的方法,然后对分图像进行拼接构成全景图。本文的主要内容是根据图像的相邻关系确定拼接模板和拼接区域,研究一种高精度的算法,尽可能减小待拼接的图像受噪声干扰和图像灰度差异的影响,以保证不同图像之间的精确定位和正确拼接。针对全景显示纤维显微图像的需求,综合考虑纤维图像与一般自然图像表现出的特征差异,提出一种纤维图像的拼接算法。首先,利用人眼对两幅图像内容对齐的认识,即两幅图像重叠起来交错的区域最小,提出一种用于度量两图像间匹配准确度的数学量——对齐度AM。通过比较线状图形匹配与块状图形匹配过程中该度量函数图像的收敛范围,得出块状图形在匹配稳定性方面优于线状图形的结论。然后依据纤维细长、平滑的外形特征,对整个图像内容用纤维线条进行划分,将原本属于前景内容的待匹配线状目标转化成为属于背景内容的块状目标,从而使匹配过程由线状特征匹配转化为基于块状的特征匹配。纤维图像的拼接包含特征提取与特征匹配两个过程。在对块状区域进行特征提取时,选择多边形块状的边界信息作为特征,由于区域的划分是以纤维本身作为分割线,本文采用提取纤维的轮廓首先将纤维转化成线段。然后通过对纤维轮廓的跟踪分段,提取出待拼接图像重叠区域的特征参数。接着在特征匹配过程中,分别引入线性相关和迭代运算实现匹配。为了减少资源消耗和提高运行效率,用迭代方式进行块匹配。在确定匹配位置后,直接进行图像拼接,在图像拼合处会出现明显的拼缝痕迹。为消除拼缝痕迹,文章引入图像融合技术。通过对目前较常用的加权平均融合算法与小波变换融合算法进行分析研究与实验比较,选取适用的融合算法,实现无缝拼接。最后对大量的待拼接的图像样本进行拼接实验,给出部分实验结果图像。实验结果表明本文算法对大多数的图像能取得令人满意的拼接效果。对少部分图像拼接失败的原因进行了分析,并且给出了解决方法。相对于传统的匹配算法,本文具有减小匹配复杂度,提高匹配稳定性的特点。