异形纤维截面测量中的边缘检测算法

边缘检测是数字图像处理中的重要内容之一,也是实现图像分割、特征提取和图像理解的基础;而截面的特征参数是表征异形纤维截面形状的主要指标。计算机数字图像处理可以提取异形纤维的特征参数来自动识别不同类型的异形纤维。讨论采用常用的几种经典边缘检测算法对截面形状为五角形的异形纤维图像进行处理的情况,并通过实验得出这些边缘检测算法的优缺点及结论,以便为正在开发的异形纤维截面自动检测系统的图像处理技术作铺垫。     

基于计算机视觉的棉花异性纤维检测识别算法

提出了一种基于计算机视觉的棉花异性纤维检测识别算法,通过分析线阵CCD摄像机采集的现场原棉图像,运用去噪平滑、图像分割算法提取异性纤维的特征,最终确定异性纤维数量,仿真结果表明了算法的正确性和有效性。     

基于形态学梯度重建的分水岭算法改进研究

图像分割是图像分析和计算机视觉领域中一个最重要的处理过程,常用的边缘检测算子存在边缘定位不准等缺点,而传统的分水岭算法则对噪声敏感且存在过分割的问题。本研究提出基于形态学梯度重建的改进型分水岭算法,该算法通过在人脸图像预处理过程中对图像进行中值滤波消除部分噪声,然后再对滤波后的图像进行增强对比度以及重构梯度图处理,最后利用分水岭算法对处理后的图像进行分割。仿真实验应用不同的算法对同一图像进行计算分割,对比结果显示,本研究提出的方法能够较好地抑制过分割,并且能够分割出人脸图像的主要特征。     

基于计算机视觉的棉花异性纤维检测识别算法

提出了一种基于计算机视觉的棉花异性纤维检测识别算法,通过分析线阵CCD摄像机采集的现场原棉图像,运用去噪平滑、图像分割算法提取异性纤维的特征,最终确定异性纤维数量,仿真结果表明了算法的正确性和有效性.     

基于显著性检测的害虫图像自动分割算法研究

图像分割技术应用于农田检测中能够区分不同种类及程度的虫害,极大程度的节省时间并提高劳动效率。首先建立了害虫显著性图像的分割模型,从DCT系数中提取颜色、亮度、纹理和深度的特征,并基于图像块之间存在空间距离,采用高斯模型加权来估计图像显著性,然后设计了一种融合算法,对这些选定的图像特征进行检测分类。研究结果表明,所提的分割算法不仅能够对田间图像进行无监督分类,还能实现对害虫的高效、精准分类与在线监测,有利于不同类型杀虫剂的实时选择。     

马尔可夫随机场在纸病检测中的应用研究

纸病检测是造纸生产过程中重要的环节,现有的纸病检测系统一般采用阈值算法或边缘检测算法对图像进行分割。为解决阈值分割和边缘检测分割方式中存在的误分以及过度分割问题,本研究提出了基于马尔可夫（MarKov）随机场的纸病图像分割方法。通过MarKov随机场理论对纸病图像纹理进行分析得到纹理特征参数,利用纹理特征参数以及最大差值对正常背景和纸病区域进行分割。结果表明,相比于其他分割算法,基于MarKov随机场的纸病图像分割方法可有效提取出纸病图像的纹理细节和轮廓特征,提高分割的准确度。     

棉花中异性纤维的图像多分辨率差分检测方法

针对棉花异性纤维难以检测的问题,提出了一种基于多分辨率尺度图像差分的检测方法。首先,通过小波多层分解实现检测图像中的不同频率信息成份的分离;然后,对不同分辨率的子图之间进行差分提高异性纤维与原棉信息的对比度;在此基础上,采用最大类间方差法对多分辨率差分子图进行二值化分割出异性纤维的信息;最后,通过对分割后的子图进行信息的融合,实现了对异性纤维检测。实验表明,该方法能够有效抑制棉花背景信息,最大限度的提取异性纤维的信息,异性纤维检测的准确率以上达到90%。     

应用光学成像技术检测棉花中异性纤维的研究进展

为进一步提高棉花中异性纤维的检出率,针对光学成像技术在异性纤维检测中的应用情况进行探究,通过阐述紫外光、X射线、线激光、偏振光、红外光和高光谱成像技术的原理和检测效果,分析了各成像方法的优势及局限性。归纳总结了现有研究中存在的问题和不足,认为目前不同种类异性纤维检测适用的成像方法不同,无法同时检测出全部种类的异性纤维;而且多相机成像方案和相机分辨率的提高增加了图像冗余信息,影响了检测速度;同时大部分检测方法仅在实验室条件下得到验证,缺乏实际生产环境的检验。最后指出未来会以多相机多光源成像方案为主,减少图像信息冗余,合理选择光源的种类、数量、功率和安装方式,开发成像系统参数自动调整系统。     

微小塑料零件图像边缘检测方法的研究

边缘检测是计算机视觉及图像测量中的基础和重要的课题。文中分析了边缘检测的一些典型算法在微小零件非接触测量中应用的优劣，提出了结合图像分割算法与轮廓跟踪算法提取微小零件边缘，并以实际图像为例比较了这些算法。     

基于近红外光谱和残差神经网络的异性纤维分类识别

针对传统图像处理方法对棉层中异性纤维检测效果不佳的问题，基于近红外光谱和残差神经网络提出一种对棉层中异性纤维的分类识别方法。采用Savitzky-Golay法对异性纤维的近红外光谱数据进行平滑处理，结合F检验和LightGBM分类算法实现特征波长优选，并将优选后的光谱数据经格拉姆角场转换成保留波长序列之间时序性的格拉姆角和场图像；构建残差深度卷积神经网络模型，将转换后的格拉姆角和场图像作为训练样本对残差网络模型进行训练。实验结果表明，该方法能够有效地对复杂环境下棉层中的异性纤维进行分类，分类准确率达到99.69%,与其它数据转换方式和分类模型相比提高了棉层中异性纤维的分类识别精度，为复杂环境下异性纤维分类识别研究提供了新思路。     

应用区域颜色分割的机采棉杂质检测方法

机采棉中的杂质繁杂,而杂质类型及含量对后期棉花加工工艺的影响很大。为此,提出一种应用区域颜色分割方法以检测棉花中的杂质。在图像分割中,先对滤波后的机采棉图像进行彩色梯度运算,通过扩展极小变换运算获得标记图像,在修改后的梯度图像上运用分水岭算法获得初始分割图像,然后对初始分割图像进行区域合并。区域合并过程中要综合考虑空间邻接性、颜色信息和区域面积3个因素。颜色信息主要采用饱和度、亮度、区域颜色向量模及颜色相似度4 个特征量。用层次递进的合并方法,迭代过程更新信息特征。最后通过支持向量机算法提取颜色、纹理、形状特征对杂质区域进行识别。结果表明,所提方法对机采棉中天然杂质的平均识别率为94%。     

边缘检测算子在提取图像金色区域中的应用

为了提取图像中适合金墨印刷的金色区域,对边缘检测的方法进行了深入探讨,运用各种边缘检测算子分割图像。利用MATLAB对Roberts算子、Sobel算子、Prewitt算子、Log算子、Canny算子进行实验验证和分析。结果表明,边缘检测的方法基本上可以实现边缘轮廓的闭合,简单图像能产生连续的闭合轮廓,相比复杂图像效果要好,特别是对于那些背景不是太复杂的图像,图像分割的效果比较理想。分析比较几种算子,运用Canny算子进行边缘检测分割效果较好。     

鸡蛋品质检测系统的图像处理技术研究

鸡蛋品质检测系统中的图像处理主要涉及图像平滑、边缘检测和图像分割三个方面。本研究采用矢量中值滤波的方法对鸡蛋的彩色图像进行平滑去噪,很好的保护了彩色图像色度信息。选用Prewitt算子检测图像边缘。经过反复试验,选取全局阈值进行图像分割,将目标鸡蛋图像从背景中分离出来。研究和实验结果表明,使用本实验的图像处理技术可以精确地提取鸡蛋品质检测的图像信息,为开发鸡蛋在线检测系统提供了技术基础。     

织物悬垂测试系统中织物边缘的识别

由于织物花纹式样的多样性,传统的图像分割算法常常无法准确地识别出织物边缘轮廓。根据织物悬垂图像的边缘轮廓特点,提出采用基于梯度向量流场(GVF)的动态轮廓模型(Snake模型)来识别织物的边缘轮廓。采用贪心算法实现了Snake边缘检测模型,分别用该模型和基于边缘梯度扫描的算法识别5种典型印花织物悬垂边缘,并将2种算法得到的边缘轮廓进行了比较。实验结果表明,该边缘检测模型能准确地识别多种传统图像分割算法所无法准确识别甚至无法识别的特殊织物的边缘轮廓。     

基于图像处理与深度学习方法的棉纤维梳理过程纤维检测识别技术

针对棉纤维梳理过程中高速摄像机对锡林表面拍摄得到的图像无法人眼识别的问题,使用图像处理与深度学习结合的算法,通过一系列检测流程实现人眼的辅助识别。采用高速摄像机对梳棉机移动盖板下的锡林表面梳理过程进行拍摄得到数据图像,首先对图像通过多级小波卷积神经网络提取去噪残差,然后使用深度卷积超分辨率重构网络进行超分辨率重构,最后使用一种强噪声条件下的多尺度边缘检测与增强算法进行纤维的勾画,得到可供人眼识别的清晰的纤维图像,最后尝试使用特征增强后的图像样本进行循环生成对抗网络的训练,得到更连续清晰的纤维提取结果。研究表明,该图像处理流程提高了对梳理过程纤维的检测识别效果,为纤维梳理领域的研究提供了一种新的思路。     

基于数字图像处理的纱线毛羽检测

为了更准确地检测出纱线毛羽长度及其根数,在结合视频显微镜和图像处理技术的基础上,提出一种新的毛羽检测方法。首先采用MOTIC SME-140视频显微镜采集纱线图像,然后经过灰度变换、图像分割、形态学开运算、图像细化处理,得到完整的纱线条干图像和细化后的毛羽图像,接着以纱线条干边缘为基准线,对毛羽分割点进行判断,最后得出不同长度的毛羽根数。图像法检测结果表明各纱线片段的毛羽根数值较为稳定,并且检测结果与目测图像计数的结果非常接近。因此,本文所提出的毛羽检测方法较现有的光电检测方法更为准确、可靠。     

籽棉中异性纤维的双光源成像检测方法

针对现有的异纤清理机无法彻底清除异性纤维的问题,提出了一种在籽棉轧花前对异性纤维进行检测的方法。以清除了铃壳、茎、叶等有机杂物的籽棉和常见的21种有色及白色异纤为检测样本,在白色LED和红色线激光双光源照明获取图像,在RGB颜色空间的Ｒ 通道和HSI颜色空间的S通道利用改进的索贝尔（Sobel）边缘检测算法检测异纤。同时在S通道利用一维最大熵法以提高异纤检测率。实验结果表明：采用的双光源照明成像方法和图像处理算法可减少阴影等干扰,白色异纤的检出率可达到74.7%,有色异纤的检出率可达到70.8%,为籽棉中异性纤维的检测提供了参考和借鉴。     

棉纱线黑板标准样照图像处理方法研究

利用计算机图像处理技术中的边缘提取方法对棉纱线的黑板标准样照进行处理，通过对几种边缘提取方法的比较，找出了适合棉纱线黑板标准样照边缘提取的方法，从而可以清晰、准确地提取棉纱线黑板标准样照图像的边缘轮廓线，为棉纱线黑板评级的数字化奠定了基础。