基于联合注意力的复杂纹理瓷砖缺陷检测方法

复杂纹理瓷砖表面存在较多的低可视度小目标缺陷与严重的复杂纹理背景干扰,使应用目标检测方法时易出现较高的误检率和漏检率。为提升复杂纹理瓷砖表面缺陷检测效率,提出了基于通道与空间联合注意力的复杂纹理瓷砖表面缺陷检测方案。首先通过建模深浅层特征通道间关系设计了一种选择性特征融合方法,以提升模型对小目标缺陷的特征表达;其次,提出了通道与空间联合注意力模块,通过通道注意力和空间注意力来筛选关键特征通道和抑制纹理区域,使模型着重于学习缺陷特征以增强模型辨别缺陷与纹理的能力;最后,在复杂纹理瓷砖表面缺陷数据上进行了实验验证。实验结果表明,相较于AFF(attentional feature fusion)和CBAM(convolutional block attention module)方法,选择性特征融合方法和通道与空间联合注意力模块使模型检测性能分别提高了5.3 AP、6.32 AP。最终,实验证明了该方案分别优于现有的瓷砖检测方法YOLOv5和纹理织物缺陷检测AFAM方法1.32 AP、2.12 AP。     

结合表面纹理与断裂轮廓的碎片拼接方法

陶土制文物在自然环境及人为发掘等过程中,碎片易受损缺失,断裂部位难以保证完整性,传统采用几何驱动的拼接方法受到限制。为此,针对断裂部位几何信息缺失的陶制文物碎片,提出一种结合表面几何纹理及断裂轮廓的拼接方法。使用Splatting lines生成方法提取碎片纹理特征线,对三维模型密集点采样,用不同参数溅射渲染2个深度图像,由两图像间差值生成线图。计算纹理形状边角信息,构造破损纹理约束条件,完成初步匹配。对断裂边界轮廓上的离散点集,利用遗传算法计算匹配点对,得到最终结果。实验结果表明,该方法能够实现缺损文物碎片的拼接,匹配度稳定在0. 53以上,且对纹理特征显著及缺损严重的碎片拼接效果较优。     

Gabor滤波器在彩色纹理表面缺陷检测中的应用*

提出了彩色纹理表面自动缺陷检测的Gabor滤波方法,以同时测度图像中的颜色和纹理偏差.提出的方法不依赖于纹理特征的提取,它基于Gabor滤波器和两个颜色特征复数的彩色图像卷积的能量响应,将彩色纹理图像缺陷检测的复杂问题转换成了滤波图像中的简单的二值化问题.对纺织品、木材等许多实际彩色纹理表面的实验结果表明了该方法的有效性.     

基于Markov随机场模型的纹理图像的缺陷检测

在工业自动化研究中，部件的缺陷检测是非常重要的过程。文中提出了一种基于图像纹理分析的表面缺陷检测方法，图像表面纹理特征是利用Markov随机场模型来描述的，通过学习和聚类分析来检测出纹理图像中有缺陷的区域。试验结果表明，该方法可以有效地描述不同种物质表面的纹理特征，并能准确地检测和定位缺陷。     

基于分形理论的声纳图像人造目标检测算法

声纳图像中人造目标的自动检测是当前水下探测领域需要重点解决的问题之一。传统的基于目标回波信号强度的检测方法在海底存在岩石等类似于水雷等人造目标的情况下,常会导致较高的虚警率。由于人造目标和自然背景之间的纹理特性的不同,自然背景一般具有较复杂的纹理,而人造目标形状规则、表面光滑、纹理简单。利用分形模型中分形维数特征、截距特征、分形拟合误差特征以及多尺度分形特征进行声纳图像人造目标检测,仿真实验表明基于分形的检测算法可较好地实现人造目标和自然背景的分离,从而为成像声纳水下探测技术的进一步发展奠定了基础。     

机械加工零件表面纹理缺陷检测

在一些对机械加工零件表面的加工精度和表面质量要求较高的自动化工业中，对机械加工零件表面纹理缺陷进行可靠的、有效的检测和分析可以大大地提高生产加工的自动化水平。为了能够对机械加工零件表面进行可靠、有效的检测，根据机械加工零件表面的纹理特点，设计了一种新的图像频域滤波器，用于增强缺陷纹理图像和抑制背景纹理对缺陷纹理检测的干扰，再通过图像分割的方法的实现了缺陷纹理和背景纹理的分割。实验结果显示，这种方法检测速度较快，尤其适用于机械精加工零件表面纹理缺陷的准实时检测。     

基于纹理特征的挠性印制电路板焊盘缺陷检测

纹理特征反应了物体表面微观几何形貌与颜色的波动程度;针对挠性印制电路(FPC)焊盘纹理特征的提取与检测,提出基于灰度与纹理梯度二维分布特征的方法建立描述纹理特征的熵统计量,该统计量能够灵敏地反映、量化焊盘金面正常或异常情况下的不同表面视觉特征;当用于缺陷检测时,可准确地识别出焊盘缺陷,检测准确率高达96.7%,50个焊盘的平均检测时间为300ms,满足在线检测的要求。     

基于小波包特征的纹理影像分割

利用小波包变换来检测纹理图象上的灰度变化，以得到多分辨率、多方向性的微观统计特征图象，在此基础上用Ｅｎｖｅｌｏｐ算法提取基于边缘信息的纹理特征，为了克服纹理特征之间的相关性，采用了子空间分类器对纹理特征图象进行分类，取得了较好的分割效果。     

基于分形纹理特征和小波变换的网状纹理检测方法

网状纹理广泛存在于日常生活中. 其独特的网格结构以及极易发生形变的特点使网状纹理的描述和检测成为一件困难的工作. 本文以球网检测为例, 提出了基于分形纹理特征和小波变换的网状纹理检测方法. 先对足球视频图像进行小波多分辨率分解, 计算不同尺度图像的分形纹理特征向量, 基于因果关系对特征进行选择组成特征向量. 然后使用支持向量机检测图像中的网状纹理. 实验表明此方法有较强的鲁棒性, 能够在剧烈形变、复杂背景和基元大小差异明显的条件下成功检测出球网.     

基于感兴趣区域特征融合的行人检测方法研究

近年来,伴随着智能车辆的快速发展,行人检测在车辆辅助驾驶方面越来越受到重视。提出一种二维显著性纹理算子(Two-dimensional Significant Local Binary Pattern,TS-LBP),该算子能够反映图像的纹理特征、显著性特征同时具有较强的抗噪声性能。首先提取感兴趣的目标区域,再提取目标区域颜色与纹理特征的融合特征对目标进行特征描述,最后采用Adaboost算法训练得到一个行人分类器对行人进行识别。实验结果表明,该方法检测快速准确,具有较好的检测效果。     

基于多特征融合的声纳图像人造目标检测算法

声纳图像中人造目标的自动检测是当前水下探测领域需要重点解决的问题之一.传统的基于目标回波信号强度的检测方法在海底存在岩石等类似于水雷等人造目标的情况下,常会导致较高的虚警率.由于人造目标和自然背景之间的纹理特性的不同,自然背景一般具有较复杂的纹理,而人造目标形状规则、表面光滑、纹理简单.为此,对基于扩展分形特征的声纳图像人造目标检测算法进行研究,同时利用灰度统计信息进行信息融合,给出了多特征融合的检测算法.仿真实验表明该方法在声呐图像人造目标检测中具有较好的检测性能.     

基于颜色和纹理的皮肤检测方法

提出一种新的基于颜色和纹理特征的皮肤检测方法，应用JSEG算法将图像分割成任意形状的相似图像区域集，然后从中提取颜色特征和纹理特征，最后应用高斯混合模型（Gaussian Mixture Model，GMM），并根据一定的判断准则（综合考虑颜色特征和纹理特征）进行皮肤和非皮肤区域分类．     

显著性目标检测中的视觉特征及融合

显著性目标检测,在包括图像/视频分割、目标识别等在内的许多计算机视觉问题中是极为重要的一步,有着十分广泛的应用前景。从显著性检测模型过去近10年的发展历程可以清楚看到,多数检测方法是采用视觉特征来检测的,视觉特征决定了显著性检测模型的性能和效果。各类显著性检测模型的根本差异之一就是所选用的视觉特征不同。首次较为全面地回顾和总结常用的颜色、纹理、背景等视觉特征,对它们进行了分类、比较和分析。先从各种颜色特征中挑选较好的特征进行融合,然后将颜色特征与其他特征进行比较,并从中选择较优的特征进行融合。在具有挑战性的公开数据集ESSCD、DUT-OMON上进行了实验,从PR曲线、F-Measure方法、MAE绝对误差三个方面进行了定量比较,检测出的综合效果优于其他算法。通过对不同视觉特征的比较和融合,表明颜色、纹理、边框连接性、Objectness这四种特征在显著性目标检测中是非常有效的。     

电梯钢索纹理缺陷的SVDD检测方法

电梯钢索表面纹理缺陷是典型的单类分类问题,针对现有基于密度方法分类准确率低和重构误差方法描述分类出现较大误差等问题,提出了基于支持向量数据描述(SVDD)的方法,实现对钢索表面纹理缺陷的检测.该方法直接对样本分布的边界进行估计,在完成钢索表面正常样本纹理特征训练后,通过判断特征向量与正常类样本的距离,从而实现钢索纹理缺陷检测.实验表明,基于SVDD方法能够有效实现钢索表面纹理缺陷检测,缺陷检测的准确率可达93％,且缺陷检测性能高于已有的SVM分类算法.     

融合多尺度特征的工业缺陷检测模型

利用照相机成像对工业环境中的物体进行表面缺陷检测是自动检测的主要应用之一.近年来，生产规模的扩大对缺陷的快速检测提出了要求，传统方法难以达到较高的效率.同时，缺陷检测更注重对纹理特征的提取，通用的深度卷积网络不能直接应用于该任务.为了克服以上挑战，本文提出了一种基于单阶段目标检测算法的表面缺陷检测模型，通过更宽的骨干网络提取丰富的上下文信息，进行多尺度特征融合，针对不同的检测目标采用差异化的检测头部；同时引入注意力机制，提高特征利用率；为了验证所提出方法的有效性，在3个数据集上进行了实验，取得了较好的性能，并与其他模型进行比较，表明所提出的方法优于现有方法.     

基于小波及纹理特征的轴承防尘盖缺陷检测

针对常规阈值分割算法难以检测轴承防尘盖表面较浅缺陷问题,提出一种边缘检测算法。该算法基于小波变换对防尘盖区域随机纹理的削弱作用,对分解后得到的低频部分和高频部分分别采用不同参数的Canny算子进行边缘检测。分析防尘盖区域的纹理特征与所选参数之间的关系,设计一种以防尘盖区域直方图熵值为参考的自适应策略。实验结果表明,该算法能有效分离出阈值分割难以检测的缺陷,且不易受防尘盖本身纹理的影响,为缺陷的在线检测提供了良好的支持。     

基于数字图像处理的表面缺损检测技术

产品表面缺损检测对保证产品的使用性能、完整性和安全性具有重要意义.介绍了缺损类型及特征,对基于数字图像处理的表面缺损检测技术研究现状、主要问题以及检测方法进行综述,并得出结论.     

自适应加权融合显著性结构张量和LBP的表情识别

针对局部二值模式（Local Binary Pattern，LBP）提取纹理特征时忽略了图像的局部结构信息问题，提出一种自适应加权融合显著性结构张量和LBP的表情识别算法。该算法通过对整幅图片进行显著性区域检测得到全局显著图来消除细小的纹理和噪声。在显著图的基础上进一步提取两种显著性纹理特征，根据每种特征信息熵的贡献度来作为特征向量的加权依据。利用支持向量机（Support Vector Machine，SVM）进行表情图像的分类。实验结果表明，自适应加权融合的两种纹理特征能够较好地描述人脸的特征，有效地提高表情识别率。     

基于SLIC融合纹理和直方图的图像显著性检测

针对基于颜色直方图的显著图无法突出边缘轮廓和纹理细节的问题,结合图像的颜色特征、空间位置特征、纹理特征以及直方图,提出了一种基于SLIC融合纹理和直方图的图像显著性检测方法。该方法首先通过SLIC算法对图像进行超像素分割,提取基于颜色和空间位置的显著图;然后分别提取基于颜色直方图的显著图和基于纹理特征的显著图;最后将前两个阶段得到的显著图进行融合得到最终的显著图。此外,通过简单的阈值分割方法得到图像中的显著性目标。实验结果表明,与经典显著性检测算法相比,提出的算法性能明显优于其他算法性能。     

纹理研究及其应用综述

纹理广泛存在于自然界中,是物体表面的一种基本属性.研究纹理有着重要的理论和应用价值.介绍了从纹理的定义、特征、分析方法等几个方面的纹理研究现状,并给出了纹理的几个热点应用领域.