本文介绍了纬编针织物疵点实时智能检测系统的开发方案与实现算法的研究。传统的人工检测容易受到检测工人的主观干扰,且效率低下,而目前基于机器视觉的织物疵点自动检测主要集中在机织物上,因此本文探讨了构建纬编针织物疵点实时检测系统的开发方案和有效准确检测疵点的分析算法。论文涉及了系统软硬件平台的构建、图像的预处理、基于自适应改进脉冲耦合神经网络和自适应改进Radon变换的图像疵点分割技术、图像疵点的特征值提取以及疵点分类等主要内容,现将论文中各章节的简要内容介绍如下：第一章主要概述了国内外关于织物疵点检测的硬件设备开发、算法设计等内容的基本研究现状。主要阐述了现有的织物疵点图像分割技术、疵点特征的提取与分类技术、基于数字信号处理器(DSP)的硬件设备开发技术等研究进展。现有的疵点图像分割技术主要包括在数学形态学领域内进行二值化分割,腐蚀、膨胀、开运算方法,窗口分割与移动方法,以及在时域统计学上的构造灰度共生矩阵,灰度共生矩阵的变化矩阵等方法。本文重点介绍了傅立叶变换和小波变换方法等在频域上的疵点分割技术；还介绍了包括人工神经网络、支撑向量机等技术在内的疵点特征的提取与分类技术,以及DSP系统的国内外应用情况。最后,本文还提及了现有市场上的一些国外疵点检测设备的情况,国内目前在这方面的产品尚为空白,同时,现有的国外产品也是针对机织物而言,针织物的疵点检测很少涉及。第二章主要探讨了针织物疵点实时自动化检测的软硬件系统构建方案。主要包括光源部分的构建、电荷耦合器件(CCD)传感器的选择与设置、数字信号处理单元的开发与优化以及系统的软件开发平台。文中首先阐述了市场上现有的光源设备,在此基础上选用了2根无频闪荧光灯上方照明作为本系统的照明装置；接着简要介绍了CCD的类别以及各种CCD的工作原理与优缺点,确立了本文选择CCD传感器的原则,根据选择原则与实际实验条件选择了适合本文系统特点的线阵扫描CCD传感器,同时给出了优化CCD传感器的设置方案；本文选用核心为数字信号处理器(DSP)的处理单元,概述了DSP的工作原理,选择了相应的DSP处理器,探讨了对基于DSP系统的基本设置和优化设置,前者主要包括CPU资源冲突检测、启动加载、时钟设置以及回卷功能等,后者主要包括增强直接存储器存取(EDMA)、编程语言的优化和多DSP并行运算技术；最后,本文概述了基于VIBFinder、Halcon和CCS的软件编程开发平台。第三章主要介绍了在不同情况下图像的预处理方法。首先使用传统预处理方法对图像进行处理,并根据最大熵原则进行评判。针对不同光照条件下图像的预处理问题,本文探讨了受外界环境影响产生的图像上非均匀光照情况下的处理方法,分析非均匀光照在图像上的分布特点,提出了一种基于子环带分割的简易处理模型,实验证明该方法能够较好的均衡化调整图像上的光照分布,同时模型简洁计算快捷；文中还重点探讨了均匀光照条件下的图像增强方法,提出了使用图像自相关系数结合针织物未充满系数来估算图像线圈孔洞大小的方法,在此基础上使用数学形态学方法削减背景线圈噪声点,此外,本文还使用巴特沃斯高通滤波器在Fourier域内增强了线圈噪声消除处理后的图像。实验表明,本文构建的系统光照均匀,图像预处理之后疵点得到了增强,而背景被削弱了很多,处理时间基本满足实时运算的效率要求。在分析目前纬编针织生产中常见的八种织物疵点,即检测对象形状特点的基础上,本文将纬编针织物疵点分为非线性形状和线性形状两大类。第四章主要探讨了针对非线性形状疵点(破洞、油污、飞花、跳纱等)的脉冲耦合神经网络(PCNN)图像分割模型。首先,文中简要介绍了PCNN的基本工作模型以及经典PCNN图像处理模型,讨论了PCNN模型中的主要参数,以及各参数对模型计算结果的影响；在分析和讨论的基础上,给出了适合硬件快速运算的改进PCNN模型；针对模型主要参数提出了一系列的自适应计算方法,并将之与遗传算法和实际实验计算结果相比较。实验发现,本文的算法计算快捷简便,自适应计算的结果很好的符合遗传算法和实际实验的计算结果,具有一定的普遍意义。最后,本文为压缩计算工作量,还使用了小波变换对待处理图像进行了图像压缩,以便减少图像的计算量,实验表明,小波压缩后的图像细节保留充足,并极大的减少了PCNN的计算时间,使之更加符合实时化运算的要求。对于线性特征疵点(漏针、横路、花针、直稀路等),本文第五章提出了一种新的基于线性检测的疵点分割方法。文中首先介绍了现有的线性检测主要方法,选用Hough和Radon两种变换对图像进行线性检测,并将其计算结果做了比较,最终选取了Radon变换作为线性检测的主要手段；接着文中阐述了Radon变换的主要形式及数学实现方法,实验表明Radon变换可以快速检测到线性疵点的位置,但无法表征线段类疵点的长度。因而本文又提出了一种基于边缘检测的改进算法,在Radon提取的直线基础上,反向考察图像的边缘点是否满足直线方程,从而提取符合直线的线段点,此外还针对纬编针织物疵点的特点对Radon变换的模型的角度和图像中心点到直线的距离两个参数的变化范围进行了优化；最后,针对Radon变换的结果值无法自适应计算求取的现状,本文又给出了一种基于小波变换的Radon自适应计算解决方案,并加之实验,实验表明,这个算法是有效的,而且符合实时计算的特点。第六章主要讨论了分割后的疵点的区域提取、特征值设置和分类模型等方法,并就疵点的样本进行了实验,分析和讨论了实验的结果。文中首先采用了区域连通算法对疵点的大小、位置进行了提取,同一区域内的点处于同一连通域中。连通操作最重要的就是连通区域大小的选择,本文的连通域大小设置为自相关算法提取最小图像单元的面积大小；接着对不同区域中的疵点进行特征提取,设定特征值包含了疵点的尺寸特征、疵点的时域灰度特征以及频域特征三个方面。初始特征值为疵点的宽度、高度、面积、灰度均值、灰度方差、图像熵、频谱能量、相位均值、相位方差以及是否为线性疵点等10个指标。在实验了样本的特征分布之后,确定了最终的实验特征值为疵点的宽度、高度、面积、灰度方差、频谱能量、相位均值以及是否为线性疵点等7个指标。根据非线性和线性疵点的特征分布,确定了这些指标中的主要指标、次要指标和辅助指标。将上述指标代入神经网络进行分类,根据分类结果,本文最终将疵点的检测种类分为块状疵点(破洞、油污、飞花),垂直疵点(漏针、直稀路、花针),水平疵点(横路)和不规则疵点(跳纱)四个类别；并以上述8类疵点图像作为样本进行了实验,实验表明,算法很好的分割了疵点信息,提取的特征值能够定位疵点和完成正确的分类,其计算时间基本满足实时化的要求。第七章对全文进行了总结,介绍了本文的主要研究方法和研究结果,指出了本文的不足之处,并给出了进一步研究的建议。