纺织品检测实现了纺织材料的性能测试和品质评价,能够为生产和贸易提供依据,因此需要不断提高纺织品的检测能力和技术水平。随着信息时代的发展,采用数字图像处理技术进行纺织产品检测已成为纺织检测发展趋势,具有快速、准确检测,同时避免了对高精度设备要求等优势。目前图像处理已经广泛应用在纺织品检测中,如纤维直径测试、纱线捻度和细度测试、织物组织结构和非织造取向测试等。在采用图像处理技术实现检测时,除了要求多种图像处理算法之外,获取清晰、信息完整的待处理图像也是准确检测的关键问题。然而由于光学系统有限景深问题,使用光学显微镜获取纺织品显微图像时,当纺织品的空间分布状态超过景深距离时,获取的图像易出现多焦面问题-即在聚焦范围内图像清晰,脱离聚焦范围图像模糊。多焦面图像在后续的图像处理过程中,模糊信息会影响检测准确性。为了解决图像多焦面问题,便于图像处理技术在纺织品检测中的应用,本文提出了一种新的像素级空间域图像融合方法-区域梯度方差融合,结合搭建的图像采集系统,成功获取清晰、信息完整的纺织品融合图像。在融合图像的基础上,借助图像处理技术和数据分析完成多种纤维识别和混合比、纱线毛羽值和非织造材料直通孔隙检测。通过检测结果和对比实验分析,多焦面图像融合方法保留了图像清晰信息提高了纺织品数字化检测的准确性,构建的自动检测系统能够快速准确实现纺织品检测,便于纺织品检测的使用。本论文的主要研究内容可概括如下:(1)提出一种新的像素级空间域图像融合算法-区域梯度方差图像融合,将融合算法融入到图像采集系统中,即时获取融合图像依据显微镜系统景深和待检测纺织品的空间状态,通过显微镜平台(3、(4、(5移动获取同一视野下不同聚焦位置((5轴方向)序列多层显微多焦面图像。对同一个像素水平坐标位置,像素所在位置图层表示聚焦位置,因此一个像素对应着多个聚焦位置。对比现有的多种图像融合算法,在像素级空间域图像融合的基础上提出一种新的图像融合算法-区域梯度方差图像融合。通过像素清晰度评价函数和相邻像素聚焦位置一致性检验,从序列图层中找到图像像素最佳清晰聚焦位置,以点对点映射方式从序列多焦面图像中选取清晰像素灰度信息,生成一幅清晰、信息完整的融合图像。将提出的融合算法加入图像采集系统中,在采集图像过程中,即时获取融合图像。(2)多焦面图像融合在纤维识别和混合比测量上的应用在融合图像的基础上,通过多种图像处理技术方法得到纤维的多个特征参数,构建支持向量机(Support Vector Machine)分类器,以100%的准确率完成棉纤维、粘胶纤维和木棉纤维的鉴别,80.65%的准确率完成羊绒羊毛纤维的鉴别。通过交叉纤维的分离,得到每一个完整纤维长度和特征信息;结合纤维识别模型判断每一根纤维的类别;最后依据含量完成棉/木棉和棉/粘胶纤维含量分析。除了采用图像处理技术实现羊毛羊绒检测时,采用近红外光谱技术,通过光谱特征分析和化学计量法实现羊毛羊绒识别和混合比测试。(3)多焦面图像融合在纱线毛羽和非织造材料直通孔隙分布检测上的应用依据图像融合算法和图像拼接技术,得到一定长度的纱线和一定视野的非织造材料融合图像。设置两组图像对比-对焦图像和融合图像,采用相同的图像处理技术,得到纱线毛羽信息和单层非织造材料直通孔隙分布信息。纱线检测对比实验中,由于对焦纱线图像部分毛羽缺失,部分融入到纱线主干中。相反融合图像保留了毛羽信息,纱线边缘清晰,纱线毛羽和主干信息完全分离。实验结果表面融合图像计算得到的毛羽值比多焦图像结果要大,纱线主干直径小。非织造布孔隙分布对比实验中,对焦图像中纤维边缘模糊,孔隙与纤维目标难以分离,使得对焦图像检测结果孔隙面积大,孔隙个数小,导致平均孔隙面积大。通过统计检验,对焦图像和融合图像所得结果具有显著的差异性,由于融合图像清晰、完整,其检测结果更具准确性。因此在利用图像处理检测纱线和非织造材料时需要结合图像融合技术,提高检测准确性。本论文中,将提议的区域梯度方差图像融合算法融入到对纤维、纱线和非织造布检测的应用中,实现纤维的识别和混合比、纱线毛羽和非织造布孔隙分布测试。对焦图像和融合图像对比实验证实了图像融合技术能够提高了纺织品数字检测的准确率,是纺织品数字化检测过程中不可缺少的环节。