计算机视觉在纺纱过程中棉结杂质检测研究

研究纺纱工艺中棉结杂质的准确检测.在纺纱工艺的松解工序中需要将块状的棉纤维分解成单根纤维状态,但实际分解完成的单纤维中不可避免地存在棉结杂质,当棉结杂质较小时其形态与单纤维相似,用于识别的形态特征不明显,传统的计算机视觉的检测方法是单一尺度边缘检测算法,不能将棉结杂质从形态相似的单纤维中准确检测出来.为了提高检测的准确度,提出一种改进的计算机视觉检测方法,对待检测的单纤维图像进行处理,将图像分割成多个区域并进行小波变换,计算每个变换区域的平均梯度值作为检测阈值,通过多尺度阈值判别将棉结杂质检测出来.实验表明,改进方法能够有效区分形态相似的单纤维和棉结杂质,将棉结杂质准确检测出来,具有较优的检测准确度.     

基于智能方法的丝状异纤分离关键技术研究

针对异纤分离器存在的主要问题,指出提高异纤的检出率需要采取的综合措施,提出了异纤分离判断和评价的指标及计算、考核、测试方法,基于智能方法研究清除头发丝等难以分离异纤的关键技术,提出了基于多尺度小波和模糊方法的棉花异纤检测算法。首先对图像进行多尺度小波变换,旨在检测各类异性纤维的线爷边缘。把线条边缘的尺寸映射到隶属度空间,对隶属度求和,与阈值比较完成线务识别,可以抑制棉花图像纹理的干扰。实践证明,该算法较之常规识别算法能够较好识别丝状异纤,满足了工业的需要。     

利用小波多尺度积实现裂纹缺陷的边缘检测

提出了一种基于小波变换的图像边缘检测方法,即利用边缘信息的多尺度特性和小波变换模极大值对图像进行多尺度分解,将相邻尺度的小波系数相乘增强边缘,再通过双阈值去噪的方法,得到最终的图像边缘。实验结果表明该方法很好地解决了噪声和坏边的问题,边缘连续的同时又保证了边缘定位的准确性,采用双阈值的算法明显优于采用单阈值,可以有效用于结构件的检测。     

一种改进的小波多尺度相乘目标边缘提取方法

传统的小波边缘检测算法在处理边缘定位精度和检测能力方面存在不足,对其进行优化和折衷是提高检测性能的关键,深入研究了小波变换在图像边缘提取中的应用,分析了小波变换时频域分辨率可调和多尺度分析的特性,提出了一种改进的基于相邻尺度小波系数相乘的边缘检测方法和改进的阈值构造方法,通过具体实验数据分析了小波分解尺度和阈值选取与边缘定位精度、边缘漏检误检的关系,以及对抗噪性能的影响。并通过算法仿真,与传统的小波边缘提取方法进行了效果对比。实验表明,针对典型的参考图片取得了较好的边缘检测效果。     

基于小波变换的多源图像数据融合与边缘检测方法

提出基于小波变换的多源图像数据融合和边缘检测的方法,对多源图像进行分解,将高频区域中的绝对值较大的系数作为重要小波系数;在低频区域,对逼近系数进行加权平均得到新的逼近系数,然后进行小波重构实现多源图像数据融合。应用小波变换对融合图像进行多尺度边缘检测,获取多源图像边缘,或对多源图像进行小波多尺度边缘检测,然后融合边缘。     

基于小波变换的多源图像数据融合与边缘检测方法

提出基于小波变换的多源图像数据融合和边缘检测的方法,对多源图像进行分解,将高频区域中的绝对值较大的系数作为重要小波系数;在低频区域,对逼近系数进行加权平均得到新的逼近系数,然后进行小波重构实现多源图像数据融合.应用小波变换对融合图像进行多尺度边缘检测,获取多源图像边缘,或对多源图像进行小波多尺度边缘检测,然后融合边缘.     

基于小波变换的图象边缘融合检测

传统的边缘检测算法虽然实现简单,计算较快速,但是被检测图像较为复杂或含有噪声污染时,那些传统的边缘检测算法就很难得到理想的边缘结果。利用多尺度小波变换来检测图像的边缘是最近几年比较流行的方法,而且检测复杂图像或含噪图像的边缘比传统算法要好得多。该文提出一种在金字塔分解体系结构下利用多尺度小波变换的局部模极大值算法检测图像的边缘,并将图像分解的各层边缘信息利用小波融合算法逐个融合,以得到最终的图像边缘结果。实验结果表明,该文方法和传统的边缘检测算法相比具有定位精度高,去噪效果好等明显的优点,也能较准确地提取图像的边缘及降低计算量。     

一种改进的小波自适应边缘检测算法*

为合理选择小波变换尺度,解决抑制噪声和边缘定位之间的矛盾,提出了一种基于局部熵的自适应尺度选择方法,采用局部熵预处理图像,根据熵值大小自适应地选择小波变换的尺度,各区域分别按照相应的尺度进行小波变换检测图像边缘。实验结果表明,此方法比基于均方差的小波自适应算法检测到的边缘更清晰,定位更准确。     

一种阈值自动设定的小波变换边缘检测方法

边缘检测是提取图像特征的重要手段,本文提出一种阈值自动设定的双阈值小波变换边缘检测方法。小波变换具有良好的时频局部化特性和多尺度分析能力,获得的边缘信息丰富,采用二维静态小波变换算法,计算出局部模极大值点,但其中除了边缘点外,还混有噪声信号,本文根据边缘与噪声的特征自动计算出阈值,实现了噪声与边缘的分离,强边缘与弱边缘的分离,并通过实例验证了算法的有效性。     

改进的自适应阈值方法用于文字图像边缘检测

在图像的边缘检测中,利用模角分离的小波变换,结合尺度独立的算法区分了阶梯型边界和跳跃型边界,从而提取了阶梯型边界.上述算法中需选择峰值阈值,将小波变换系数较小的点滤掉,但是一幅图像中边缘的奇异性并不均匀,对变换后的整幅图像取同一阈值,那么微弱边缘将会随着因灰度不均匀、噪声等被滤除.针对这一问题提出了改进的自适应阈值方法,并将此阈值方法代替固定阈值,在文字图像边缘检测中取得了较好的效果.     

一种复杂背景下皮棉中异性纤维特征快速提取算法

提出一种复杂背景下皮棉中异性纤维特征提取算法. 采用二维小波变换提取边缘特征用于检测异性纤维和皮棉背景的灰度差, 采用CrCgCb色度空间提取颜色特征以消除亮度变化的影响. 考虑到目标特征的不连续性和算法的运算时间, 提出一种基于两级连通域标记和等效长宽比的形态分析方法. 通过对5类异性纤维的实验表明: 算法能有效地识别异性纤维特征, 识别率达到95%, 同时满足实时工作场合的应用.     

一种机器视觉异纤高速清除系统

棉花中的异性纤维比重小,但危害大,针对目前棉花异纤检测中存在效率低、稳定性差等问题,提出了一种改进的Canny检测算子和一种基于区域生长的三基色阈值检测算法,开发了一种基于机器视觉的棉花异纤高速清除系统。系统采用FPGA加DSP构建高速图像采集处理卡进行异纤检测运算,使用双层照明结构和PLC在线监控模式,实验证明了算法在异纤检测中的有效性和先进性,提高了异纤检测速度和检测精度,具有更高的运行稳定性。     

基于空间模型及连通域分析的异纤维在线检测

针对一直困扰棉纺企业的异性纤维问题,从工程实际出发,提出一种快速高效的棉花异纤维在线检测及定位方法。该方法在RGB颜色空间建立了一种判断异性纤维的检测模型及模型参数的离线学习方法,以实现棉花与异性纤维的快速分割;基于形态学处理及连通区域分析算法实现异纤维的准确定位。进一步通过对剔除系统中电磁阀的响应特性测试,提出了剔除时间补偿的思想,可以保证对异性纤维的精准剔除。实验结果表明,该方法能够有效地检测并剔除棉花中的大部分异性纤维。     

O型金属密封件亚像素尺寸检测方法的研究

针对在现实生产中,硬件受限的O型金属密封件机器视觉检测的问题,提出了在亚像素图像条件下的精确尺寸检测方法。利用分形插值和小波变换的改进边缘检测算法,实现亚像素图像的边缘检测;并用结合梯度的区域生长和距离直方图的改进算法,实现O型的尺寸检测和圆度校验。实验结果表明,提出的方法与传统方法相比计算速度快、边缘检测精度高、尺寸测量精度可达微米级。     

基于尺度空域相关性的图像边缘检测

根据小波分析多尺度空间的相关性,在模极大值边缘检测的基础上提出一种新的图像边缘检测方法.该方法不需要对图像进行预处理就能较精确的检测出图像的边缘.取相邻尺度的小波系数相乘进行相关计算,在抑制噪声的同时提高边缘的定位精度.方法快捷,算法简便,克服了直接对图像进行模极大值边缘检测造成的误差.实验结果表明,该方法得到了满意的效果.     

基于小波变换的拓片文字边缘检测*

针对拓片得到的文字图像具有模糊细节多、效果差等特征,以及传统算法对其边缘检测的精度不高,根据拓片文字边缘独立于尺度传播的特性,提出了一种基于二进小波变换的拓片文字图像边缘提取和增强算法。首先用二进小波对拓片文字图像进行多尺度分解,再结合小波变换模值跨尺度传递的不同特性,进行多尺度下的图像边缘提取、增强和细化。实验表明,该算法克服了传统算法的不足,弱化了单尺度下噪声抑制与边缘细节提取精度之间的矛盾,从而具有更好的实用性。     

Feature selection based on improved ant colony optimization for online detection of foreign fiber in cotton

Feature selection plays an important role in the machine-vision-based online detection of foreign fibers in cotton because of improvement detection accuracy and speed. Feature sets of foreign fibers in cotton belong to multi-character feature sets. That means the high-quality feature sets of foreign fibers in cotton consist of three classes of features which are respectively the color, texture and shape features. The multi-character feature sets naturally contain a space constraint which lead to the smaller feature space than the general feature set with the same number of features, however the existing algorithms do not consider the space characteristic of multi-character feature sets and treat the multi-character feature sets as the general feature sets. This paper proposed an improved ant colony optimization for feature selection, whose objective is to find the (near) optimal subsets in multi-character feature sets. In the proposed algorithm, group constraint is adopted to limit subset constructing process and probability transition for reducing the effect of invalid subsets and improve the convergence efficiency. As a result, the algorithm can effectively find the high-quality subsets in the feature space of multi-character feature sets. The proposed algorithm is tested in the datasets of foreign fibers in cotton and comparisons with other methods are also made. The experimental results show that the proposed algorithm can find the high-quality subsets with smaller size and high classification accuracy. This is very important to improve performance of online detection systems of foreign fibers in cotton.     

基于希尔伯特-黄变换的超宽带信号检测方法

基于超宽带信号检测中希尔伯特-黄变换经验模态分解的边界问题,研究分析了基于非等间隔灰色模型预测极值点的解决方法。针对该方法在某些极值分布情况时个别极值点检测不到的问题,提出了时序残差修正的非等间隔灰色模型解决新方法。通过理论推导,证明了该新方法的有效性,在此基础上,对实际超宽带信号进行了结合新方法的希尔伯特-黄变换检测仿真。分析和仿真结果表明,改进的经验模态分解可以较为准确地重构出淹没在干扰或者噪声中的超宽带脉冲信号,明显改善了超宽带信号检测的准确度。通过与离散小波变换对比分析,体现出希尔伯特-黄变换更适合用于检测超宽带信号。     

基于连通区域标记算法的圆检测算法的研究

针对传统Hough变换进行圆检测,计算量过大、检测同心圆精度不高、自动化程度低等缺点,提出一种基于连通区域标记算法的圆检测算法。该算法首先通过连通区域标记算法对图像进行处理得到一个圆,解决了传统Hough变换计算量过大的问题,再根据圆的特性确定其圆心及半径,从而避免了检测同心圆精度不高的问题。最后,分别取圆心的8邻域像素为圆心做圆,找到最优圆并将其与检测得出的圆进行比较来确定最终的圆,以达到自动化的目的。实验结果表明,提出的算法可以正确地检测出圆并具有很高的检测精度同时比Hough变换计算量小、自动化程度较高。