基于小波分析与纹理能量变换的织物疵点检测

为了准确检测织物疵点,将含疵点织物图像进行二维小波分解,在小波分解后的经向和纬向子图上将图像分成大小相同的矩形局部重叠窗口,对矩形窗口进行laws纹理能量变换,并将变换结果与给定的阈值进行比较,进而检测和识别出疵点.试验证明,该方法对素色织物的断经、缺纬具有快速、准确的检测效果,也可以检测双经、双纬等疵点.     

基于自适应小波三层分解的织物疵点检测

提出了运用自适应正交小波对织物图像进行三层分解的织物疵点检测方法。通过借鉴Daubechies的构造条件构造织物自适应小波,由自适应小波对织物图像进行三层分解,将疵点信息融合后设定固定的闻值进行二值化。同采用DB族小波分析结果比较与实验检测,表明此方法有效。     

应用Gussian回代交替方向图像分解算法的色织物疵点检测

针对传统的人工织物检测方法效率低,稳定性差,处理速度慢的问题,提出了基于Gaussian回代交替方向(ADMG)图像分解的色织物疵点检测算法。首先对疵点织物进行直方图均衡化的预处理操作,以减少织物背景纹理信息对织物疵点检测产生的影响。然后采用总方差范数与Sobolev空间中的半范数相结合的Gaussian回代交替方向的图像分解算法,将色织物图像分解为疵点部分u和纹理部分v。最后,应用二维Otsu阈值方法将图像的疵点部分u分割,识别织物图像上的疵点。实验结果表明:通过基于ADMG图像分解算法对包括星型、方格型和圆点型在内的色织物图像疵点检测是可行、有效的,可得到满意的识别结果。     

基于小波熵的织物疵点检测方法

探讨利用小波熵检测织物疵点的新方法。在采用二维离散小波变换对织物图像进行分解的基础上,引入了熵的概念,将小波熵作为织物图像的特征值,把熵值看作系统紊乱程度的度量,由此得到织物图像的小波熵特征值,通过与正常织物经过二维小波变换后提取的小波熵值相比较,熵值大者即认为有疵点存在。通过对不同组织织物和几种典型的织物疵点进行检测,试验结果表明该方法有效可行。     

基于小波变换和BP神经网络的织物疵点检测

探讨基于小波变换和BP神经网络的织物疵点检测技术。为准确检测织物疵点,采用小波变换对预处理后的织物图像进行分解,小波分解后不同的子图像反应了织物的不同细节信息,从小波分解后的水平细节子图像和垂直细节子图像中提取特征参数,特征参数的提取采用灰度共生矩阵法,将提取到的特征参数送入训练过的BP神经网络,进行检测疵点,达到疵点织物融合、形态学和阈值处理并显示疵点的目标。实验证明:该方法行之有效。认为:寻找更适合的方法提取更有效的特征值和改进神经网络可以提高识别效率。     

改进型奇异值分解在织物疵点检测上的应用

为了识别不同织物表面多种类型的疵点,提出了一种基于矩阵奇异值分解（SVD）的疵点检测方法。首先采用自适应分割技术提取织物图像中包含疵点的感兴趣区域（ROI）,其次将包含疵点的ROI部分继续分割成若干小的不重叠的子图像,并对子图像进行奇异值分解。由于奇异值与织物图像的能量信息相关,通过去除表征织物纹理背景能量的奇异值,以余下的奇异值重组子图像,从而增加疵点区域与纹理背景的能量差异。最后再对ROI区域进行复原时,会出现子图像重构过程不完全连接的情况,采用二值化阈值处理可以消除影响,完成检测目的。实验证明,所提出的改进型奇异值分解技术,耗时短,效率高,对于选取的7种纹理结构不同的织物中大多数疵点,都能够识别其形状和位置。     

基于信息熵的喷水织机织物疵点检测

为实现喷水织机织物上疵点的有效检测及疵点准确定位,本文提出一种基于二维信息熵的特征显著图的疵点检测方法。将待检测织物图像使用改进的同态滤波进行预处理,改善图像因光照不均对疵点检测产生的影响;利用图像基元信息熵与图像纹理的关系引入二维熵来反映图像纹理的空间分布,计算每个重叠的图像基元的信息熵,并把该熵值作为中心像素的灰度值,经归一化后生成一幅特征显著图;最后对显著图进行阈值分割得到疵点的轮廓,同时通过显著图得到径向投影差分序列对织物图像进行疵点判别。结果表明,本方法能够有效地抑制织物中重复的纹理背景,突出疵点部分,实现疵点区域的准确定位。     

基于二维Otsu算法的织物疵点检测

为了准确检测织物的疵点,提出一种基于二维Otsu算法的织物疵点检测方法。首先采用均值滤波对采集的织物疵点进行预处理,减少高斯噪声对图像质量影响的同时,也有效地抑制了织物背景纹理信息对织物疵点检测的影响;然后对处理后的图像采用二维Otsu算法进行阈值分割;最后对分割后的图像进行形态学运算后处理,平滑图像轮廓,去除毛疵点和孤立点等。实验结果表明:对比其他检测方法,综合主观视觉效果和客观峰值信噪比(PSNR)值,该方法在织物疵点检测中既能有效保留图像的边缘信息,也不损伤图像的细节质量,检测效果较好,在疵点检测方面具有一定的实用价值。     

基于小波能量的簇绒地毯跳纱疵点的检测方法

针对簇绒地毯中存在的跳纱类疵点提出了一种基于小波能量的疵点检测方法。该方法首先使用CCD相机对地毯图像进行采集,然后将采集到的地毯图像进行滤波处理,并用三层小波对其进行分解,通过提取分解得到的细节子图的能量值和正常地毯图像细节子图的能量值的比较来判断正在测试的图像中是否含有疵点;对于有疵点的地毯图像使用Otsu法进行阈值分割二值化,并进一步使用闭运算消除二值化图像中存在的噪点,突出疵点部分。最后通过实验验证了此方法的可行性,所提出的方法可以有效地将地毯图像中的跳纱类疵点检测出来。     

应用方向梯度直方图和低秩分解的织物疵点检测算法

织物疵点检测是织物表面质量控制的关键环节。基于方向梯度直方图(HOG)和低秩分解,提出一种有效的织物疵点检测算法。首先,将织物图像划分为大小相同的图像块,提取每个图像块的HOG特征,并将图像块特征组成特征矩阵,针对特征矩阵构建有效的低秩分解模型,通过方向交替方法(ADM)优化求解,生成低秩阵和稀疏阵;最后采用改进最优阈值分割算法对由稀疏阵生成的显著图进行分割,从而定位出疵点区域。实验结果表明,低秩分解能有效实现织物疵点的快速分离,与已有方法进行对比,本文方法能显著提高复杂织物纹理图像的疵点检测性能。     

机械图像处理技术在织物疵点检测中的应用

提出了一种基于机械图像处理技术的织物疵点检测新方法.首先对采集的织物图像进行小波变换,对增强后的疵点图像采用最佳阈值分割和形态学运算,最后对织物疵点进行边缘检测.比较表明,新方法优于经典的边缘检测方法,对织物疵点边缘检测更为有效.     

织物表面疵点自动检测方法研究

针对织物表面质量检测仍处于人工检测的现状,根据织物疵点破坏织物固有纹理组织结构,体现为灰度值纵向或横向频率变异的特点,提出一种疵点自动检测方法。该方法先由织物组织循环结构确定大小两个检测窗口的尺寸,然后通过合适的离散小波基把试样分解成含经向细节和纬向细节的两个子图,分别统计两者能量和后分离出低频的疵点信息。该方法简单易行,漏检率低,适应于大多数方向性、块状类疵点的检测。     

基于视觉显著性的平纹织物疵点检测

受检测环境及疵点特点影响,传统的检测算法难以满足疵点动态检测。本文提出基于视觉显著性疵点动态检测的新方法。首先,对采集图像进行特征提取形成特征图;其次,对特征图进行小波多层分解形成特征子图;在此基础上,对分解后的特征子图进行中央周边操作构建特征差分子图;然后,通过特征差分子图的融合策略形成显著图;最后,采用阀值法分割出兴趣区,并通过区域生长分割出疵点目标。试验结果表明,该方法能够完整检测出平纹织物疵点信息,并且具有较强的抗干扰能力。     

Automatic inspection of yarn-dyed fabric density by mathematical statistics of sub-images

To inspect the yarn-dyed fabric density automatically, an effective image analysis method based on mathematical statistics of sub-images is proposed in this paper. This method consists of two main steps: rough measurement and precise measurement. The rough measurement is based on projection curve of the whole fabric image. The fabric image is converted into HSV model from RGB model firstly, and then the projection curve of value is gained directly. The number of yarns is obtained by counting the number of peaks in the curve roughly. The precise measurement is based on projection curves of the fabric sub-images. According to the roughly estimated yarn number, the whole fabric image is divided into a certain amount of sub-images and the projection method is applied to all the sub-images, respectively. The probability distribution map of peaks is obtained by processing the projection curves of all sub-images and the positions of the yarn center are located in the frequency curve generated from the map by mathematical statistics method. The number of peaks in the frequency curve is counted, and, therefore, the number of yarns is detected, and the density can be calculated precisely. The experimental results proved that the proposed method is effective for yarn-dyed fabrics and can satisfy the requirement for production practice.     

应用小波域高斯差分滤波的起球疵点客观评价

受织物背景纹理多样性以及起球疵点特点的影响,传统的图像处理算法难以满足起球疵点自动检测和客观评价需要,为此,提出一种基于小波域的高斯差分滤波起球客观等级新方法。首先,对起球疵点图像进行小波多层分解,实现周期性背景纹理信息与起球信息的分离;然后,选择合适的小波分解子图进行高斯差分滤波,消除噪声以及光照不均等缓变的背景信息,提高起球信息的显著度;在此基础上,根据起球特征设定阈值对起球疵点图像进行分割,并提取起球特征;最后,通过人工神经网络进行起球疵点客观等级评价。试验结果表明,本文方法用于起球疵点客观等级评价是可行且有效的,且具有较强的抗干扰能力。     

Weave pattern recognition by measuring fiber orientation with Fourier transform

An effective method based on measuring the fiber orientation of yarn floats with two-dimensional Fourier transform (2-D FFT) is proposed to recognize the weave pattern of yarn-dyed fabric in the high-resolution image. The recognition process consists of four main steps: 1. High-resolution image reduction, 2.Fabric image skew correction, 3.Yarn floats localization, 4. Yarn floats classification. Firstly, the high-resolution image is reduced by the nearest interpolation algorithm. Secondly, the skew of the fabric image is corrected based on Hough transform. Thirdly, the yarn floats in the fabric image is localized by the yarns segmentation method based on the mathematical statistics of sub-images. Fourthly, the high-resolution image is corrected and its yarns are segmented successively according to the inspection information of the reduced image. The fiber orientations are detected by 2-D FFT, and the yarn floats are classified by k-means clustering algorithm. Experimental results and discussions demonstrate that, by measuring the fiber orientation of yarn floats, the proposed method is effective to recognize the yarn floats and the weave pattern for yarn-dyed, solid color, and gray fabrics.     

基于自适应小波变换的织物密度测量

应用自适应小波变换技术以实现机织物密度的自动测量。先运用Wiener2和直方图均衡技术对织物图像进行预处理,增强图像的纹理特征;接着选取自适应小波技术对织物图像进行分解;再对分解得到的子图像进行二值、平滑等后处理;最后通过分析后处理图像的经纬纱线信息得到织物密度。试验结果证明,运用该方法能够准确测量3种基本组织的织物密度,是一种行之有效的方法。另外,还简要介绍了自适应小波的构造技术。     

四点插值法在柔性织物曲面模拟中的应用

为进一步提高柔性织物的仿真度,提出了一种基于四点插值法的柔性织物曲面模拟方法。具体研究过程是：首先分析了基于四点插值法的织物曲面模型,利用四点插值法细分柔性织物的曲线和曲面, 最后通过四点插值法进行曲面的拼接和局部修改,并采用对比实验验证四点插值法的可行性。研究结果表明：所提出的基于四点插值法的柔性织物实体模拟方法,模拟准确度达到95%以上,从而验证了该方法的可行性。     

基于图像线灰度和BP神经网络的织物疵点检测

探讨织物疵点自动检测的方法。通过对4种常见织物疵点的图像进行线灰度曲线分析和处理,提取疵点图像的特征值,送入BP神经网络进行识别,从而实现织物疵点的检测。试验结果表明,该方法取得了较好的检测效果,织物疵点识别率达到93%以上。认为,此法能够有效识别出织物中的几类常见疵点,应进一步研究,以提高其识别准确率。