重叠纤类图像的凹点匹配和分割算法

为解决混纺纤维类图像中多根纤维的分离和识别难题,提出一种基于凹点匹配的新方案来实现重叠纤维分割。首先在图像轮廓寻找角点,利用三角形矢量面积法找到角点中包含的凹点;然后通过凹点、该凹点的前继点（或后继点）和目标凹点构成的三角形,结合凹点的几何特征来判断该凹点和目标凹点是否匹配;最后通过将匹配凹点连线来实现图像中的纤维分割。与现有分割算法相比,新的方法采用了凹点距离和三角形构造原理相结合的机制来实现匹配。实验结果表明,该算法可适用于多根纤维相互粘连或交叉的复杂场景,且有较高的分割精度。     

纱线毛羽路径匹配追踪检测

针对现有纱线毛羽检测方法无法有效检测弯曲毛羽和交叉毛羽的缺陷,提出一种基于图像法的纱线毛羽路径匹配追踪算法。将采集到的纱线毛羽图像通过预处理、骨干化处理获取毛羽骨干图像,以毛羽端点作为起始点,对其八邻域像素点进行判断获取新的毛羽路径点,重复对毛羽路径点邻域判断直到没有毛羽路径点存在。对毛羽交叉出现多路径点的情况,提出交叉匹配值指标,即根据毛羽交叉点前部分相邻毛羽路径点间斜率并分配动态权重得到毛羽局部斜度,利用交叉匹配值对多路径毛羽点进行匹配获取新的毛羽路径点,通过本文毛羽追踪方法获取毛羽像素数量并转化为毛羽长度。与人工法和投影法检测结果对比表明:本文毛羽追踪检测结果与人工检测毛羽结果误差在4%以内,有效解决了交叉毛羽和弯曲毛羽追踪检测问题,提高了纱线毛羽的检测准确度。     

基于纱线条干边缘曲线切点的纱线毛羽检测

通过对纱线图像进行灰度变换、纱线图像局部阈值分割、纱线分割以毛羽提取等图像处理算法的应用,从而获得精确的纱线条干和纱线毛羽信息,并对纱线毛羽进行细化。实验表明,所提出的毛羽检测方法能够全面、精确地实现对纱线毛羽长度和根数的检测,且对3mm以上的长毛羽的检测精确度更高。     

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。     

基于贝叶斯阈值的纱线毛羽检测方法研究

研究基于贝叶斯阈值的纱线毛羽检测方法。首先利用图像增强以及保边递归滤波对纱线图像进行预处理,以增强纱线毛羽与背景之间的对比度;其次,利用贝叶斯阈值对预处理后的图像进行像素级分割,并去除条干,获得纱线毛羽;最后对获得的毛羽进行细化,并利用像素法对细化后的毛羽进行统计分析,计算出纱线毛羽长度、毛羽根数、毛羽面积指数及毛羽长度指数等指标。与等距线法及YG172A型纱线毛羽测试仪的检测结果相比较,本研究方法能够精确计算出纱线毛羽的各项指标。     

基于最大熵与密度聚类相融合的毛羽检测

为能够更加精确地计算出纱线毛羽的根数及毛羽长度,基于最大熵与密度聚类相融合对纱线毛羽的长度及根数进行检测。该方法首先利用双边滤波对采集到的纱线图像进行预处理,滤除图像中的噪声,同时增强纱线毛羽特征;然后利用最大熵对预处理后的纱线图像进行阈值分割,去除条干提取毛羽,并对毛羽进行细化;最后利用密度聚类算法(DBSCAN聚类)对细化后的毛羽进行分类统计,根据所分类的个数以及每类所含像素点的个数计算出毛羽的根数及长度。将实验结果与目测法和基准线法进行比较,结果表明,该方法与目测方法检测的结果非常接近,结果比基准线法更加精确,检测结果准确、有效。     

基于线阵CCD的纱线毛羽检测

随着纺纱设备向优质、高效、连续化、自动化的方向发展,在线检测已成为纺纱技术的重要内容。针对纱线毛羽在线检测的要求,采用线阵CCD进行毛羽检测,提出了低于正常匹配行频的图像采集方法,减少了由于纱线运动速度过高及图像处理数据量过多造成的影响,以提高检测效率。设计了纱线毛羽在线检测系统,并制定了试验方案。通过分析匹配行频图像的毛羽特征,确定了低行频选取方案。通过毛羽像素数和不同长度毛羽根数特征分析,说明了低行频图像检测毛羽的可行性。试验结果表明,同一纱线片段的低行频图像毛羽像素数与匹配行频图像毛羽像素数的比值固定且大于1/3,其中长度≥1.25 mm的毛羽根数相等。     

单一视角下自适应阈值法的纱线毛羽识别及其应用

为更准确测量纱线参数信息,针对图像背景处理和阈值分割算法对纱线图像处理后毛羽信息损失严重的问题,提出自适应灰度增强及线形区域阈值分割算法。并用自制图像采集系统获取6种不同类型的纱线样本,进行图像识别算法的准确性和有效性验证。结果表明:提出的2种算法可明显减少纱线图像信息损失,并且具有良好的鲁棒性,图像法检测的纱线毛羽长度和数量与目测法相近;实现了纱线主体与背景的灰度对比度增强,避免单一阈值导致的图像分割效果差的影响,提高纱线毛羽的识别精度和测量准确性,为后续研究纱线毛羽检测系统提供有效纱线图像分析算法。     

基于散焦信息的纱线毛羽三维测量与验证

毛羽是衡量纱线质量好坏的重要指标,然而现有毛羽检测中难以快速获得其三维长度(毛羽空间轨迹长度)。文章提出了在获得单幅图像的基础上准确表征纱线毛羽空间长度的方法。采用远心镜头获取纱线毛羽图像,经过同态滤波、直方图均衡化、边缘增强、水平集分割等处理,获得包含空间信息的毛羽分割图像。结合散焦成像原理,建立毛羽宽度、灰度与其空间深度之间的模型关系,实现毛羽空间三维长度的快速测量。基于单幅散焦信息的毛羽空间长度测量,为实时三维检测奠定基础。实验结果表明,文章所提方法可有效实现清晰与模糊区域毛羽的分割,所测毛羽三维长度与人工测量结果相近。     

基于多边形近似的重叠蛋白质点分割方法研究

二维凝胶图像电泳过程中可能出现蛋白质点重叠和堆聚的现象,文章利用图像处理与分析技术设计了一种有效重叠蛋白质点分离的算法。利用多边形近似方法,将检测到的蛋白质点边缘转化成数字边界,对该数字边界用多边形进行有效近似,计算近似多边形顶点对应的内角,通过阈值的设定,得到边界上的凹点,对凹点进行匹配连线,从而实现对重叠蛋白质点的有效分割。     

纱线毛羽骨架及长度的跟踪测量

针对现有图像法毛羽测量存在的缺陷,提出了一种用于毛羽分析和长度测量的纱线毛羽骨架跟踪算法。首先以10像素为步长,作纱线条干边缘曲线对毛羽骨架的分割线,得到毛羽起点;接着在毛羽延伸方向上对毛羽起点的上5?邻域点或下5?邻域点进行判断,得到新的毛羽路径点,进行邻域点的重复判断,直到没有毛羽路径点存在,依次记录所有毛羽点生成毛羽路径,并提出了多毛羽路径点和交叉毛羽的解决方案;最后根据2点间的距离计算出毛羽路径中相邻毛羽路径点的像素,从而得到毛羽的测量长度。对长毛羽的跟踪测量和固定分割长度测量的结果显示,毛羽骨架及长度的跟踪测量算法可将测量长度提高24.3%∽666%,测量结果较为精确。     

基于视觉校准的环锭纺细纱条干特征在线提取方法

针对纱线高速回转、毛羽条干交织导致的条干轮廓特征难以准确提取的问题,提出了深度学习与形态学运算融合的在线提取方法,设计了图像在线采集系统与校准定焦方法,为轮廓特征提取提供高质量输入,构建了基于整体嵌套边缘检测神经网络和形态学运算的细纱条干轮廓特征提取重构模型,实现毛羽干扰下的条干轮廓在线准确提取。实验结果表明,所提方法的轮廓提取准度指标OIS-F(optimal image scale)、ODS-F(optimal dataset scale)达到了0.91,平均准确率AP达到了0.89,相对于当前方法提高了7%以上。基于提取的轮廓特征计算的条干不匀CV值,与CT3000均匀度检测仪的平均误差小于4%。     

应用显著性算法的纱线条干均匀度检测

针对运用图像方法进行纱线条干均匀度检测时,背景黑板、纱线毛羽以及图像噪声等对检测结果影响较大的问题,借鉴人的视觉感知机制,提出一种应用显著性算法检测纱线条干均匀度的方法。对采集到的纱线图像提取颜色和亮度特征,进行显著性分析,突出纱线条干区域,然后利用迭代阈值分割算法和区域滤波,得到准确清晰的纱线条干二值图像,基于此进行直径计算、均匀度分析和纱线疵点判定。通过边缘准确性评价可知,采用所提方法分割得到的纱线条干二值图像有着较高的分割精度。通过与Uster Classimat 5的均匀度检测结果进行比较,证明这种方法可得到准确的结果,与Used Classimat 5 的测量结果有着较好的一致性。     

基于毛羽图像检测的浆纱抗起毛性能评价

为准确检测织造载荷作用前后浆纱的毛羽及有效表征浆纱的抗起毛性能,提出一种基于毛羽量图像检测的浆纱抗起毛性能评价方法.对纯棉14.5 tex的原纱和3种不同上浆率的浆纱,在JN-01浆纱耐磨性能测试仪上模拟织造载荷,并进行不同载荷次数的摩擦起毛实验.起毛后的纱线经图像采集、纱线主干分割、毛羽分割和主摩擦区间定位等处理后,...     

纱线黑板数字图像处理方法

利用计算机图像处理技术对采集的典型纱线黑板图像进行数字化处理。针对纱线黑板中存在毛羽和划痕的特点,通过平滑处理、阈值分割、图像修复的方法,得到一幅清晰的、无噪声点的数字化图像,并且能够准确测出每根纱线的平均直径。通过与纱线的实际直径对比得知,所采用的图像处理方法计算出来的纱线直径与实测直径一致,证明利用该图像处理方法所测得的纱线直径不失真,且能够准确反映纱线的外观特征,如粗节、细节、棉结等,为纱线黑板自动化评定提供了参考。     

基于机器视觉的丝饼毛羽检测

为实现丝饼毛羽的自动检测,提出基于机器视觉的丝饼毛羽检测方法,通过寻找毛羽轮廓点中凸包位置实现丝饼毛羽检测。首先构建具有特定结构特征的卷积核,利用该卷积核对原始图像进行卷积运算,从而获取毛羽特征,并采用阈值处理对其进行二值化;然后对二值化后的毛羽进行轮廓检测,继而筛选轮廓点以减少运算时间;最后利用单方向凸包算法对满足条件的轮廓点进行检测,实现对丝饼毛羽的定位及计数。运用3类典型丝饼毛羽对检测方法进行验证,结果表明,该方法可有效地实现对丝饼毛羽准确定位并计数,且对不同背景的毛羽图片有较强的适应性。     

应用图像处理的纱线黑板毛羽量检测与评价

针对目测法检测纱线黑板毛羽效率低、主观性强等问题,提出一种新的基于图像处理的毛羽检测方法。纱线黑板经扫描仪采集图像,然后进行中值滤波、二值化、形态学运算、局部阈值等处理,得到黑板毛羽图像,统计出毛羽像素点个数,提出评价黑板毛羽量的指标--M指数。采用原料、线密度和纺纱方式各不相同的纱线进行实验,测得18种纱线的毛羽M指数,与乌斯特仪得到的毛羽H值建立回归模型,两种测试结果之间的相关系数为0.975。6种纱线的验证结果表明,本文提出的毛羽检测法和建立的毛羽M指数能较完整地提取和评价整块纱线黑板毛羽,算法精度高、评定结果可信度好。     

基于相似性定位和超像素分割的织物疵点检测

为解决周期性纹理织物图像的疵点检测及其轮廓精确分割问题,提出一种基于相似性定位和超像素分割的织物疵点检测方法。将待检测图像进行中值滤波和对数增强,并利用FT算法估计增强图像的显著图实现待检测图像的预处理;将基于归一化局部均值差分的灰度相似性检测参量和结构相似性检测参量结合,构建可测量更多类型周期性纹理织物图像的相似性度量函数,通过阈值化增强图像分块的相似性测量值实现疵点在显著图中的粗定位;最后对显著图粗定位图像分块进行超像素细分割及其二值化处理,并借助连通域分析剔除孤立点,获得完整的疵点轮廓。结果表明,本方法与常规3种方法相比,对周期性纹理织物图像的疵点检测准确率更高,且提取出的疵点轮廓更精确。     

应用纱线序列图像的电子织物构建

为检测纱线条干均匀性对织物外观的影响,在纱线条干图像测量的基础上,提出了一种基于纱线序列图像的电子织物的构建方法。通过建立织物组织变化模型和光照模型,将纱线直径值与基元组织点外观灰度纹理分布相结合,构建电子织物外观数学模型。实验中通过将采集的纱线序列图像进行图像分割和形态学运算等处理,获取纱线直径数据,代入到构建的织物外观数学模型中,实现基于纱线序列图像的电子织物的模拟并且相关参数可调。通过选择合理的织物结构参数,提出的电子织物模型能够真实的反映纱线条干均匀性对织物外观的影响,准确预测布面效果。     

结合显著区域检测和手绘草图的服装图像检索

针对服装图像检索准确率和效率较低的问题,提出一种服装显著区域检测和手绘草图的服装图像检索方法。首先采用正则化随机漫步算法对输入的服装图像库进行视觉显著区域检测,并结合其边缘轮廓信息,得到服装显著边缘图像;其次,对输入的服装草图和服装边缘图像进行特征提取,得到服装草图和服装边缘图像各自的方向梯度直方图(HOG)特征;然后,通过计算服装草图特征和服装边缘特征的相似度,实现特征匹配;最后,按照特征匹配结果在服装图像库中检索与服装草图相似的服装图像,采用基于距离相关系数的重排序算法对其相似度进行排序并输出检索结果。结果表明,该方法提高了服装检索的准确率,具有较好的鲁棒性,检索准确率可达78.5%。