工件表面粗糙度微机测量系统

粗糙度是工件表面微观不平度的客观反映，在非实验室条件下难于直接测量，主要依靠工件与样块进行比较的方法来评定的，人为误差很大。针对这一问题提出了一种在微机控制下利用激光技术测量的新方法，它是将激光束对工件表面扫描所获取的精糙度信息，经微机处理后做出粗糙度评定。同时，输出机加的控制信号，实现机加测量同步进行。实验证明，利用本方法对样件进行测量，与利用对比法测量的结果一致，可见该方法是可行的，提高了测量精度，实现了粗糙度测量的自动化。     

基于机器视觉的表面粗糙度检测系统设计

针对光切法显微镜测量的实验装置,开发了一种基于机器视觉的表面粗糙度检测系统.介绍了系统的硬件构成和软件设计原理,运用图像处理技术从光切显微图像中提取出表面轮廓信号计算粗糙度评定参数.该检测系统能够实现工件表面粗糙度的智能、快速、多参数测量,通过测量实验与样本标准件的数值进行对比,验证了该检测系统能达到满意的精度.     

磁粉探伤钢轴表面裂纹智能识别方法研究

荧光磁粉探伤被广泛应用于钢轴表面以及近表面缺陷检测。目前的检测手段主要依赖于人工识别缺陷。长期暗室工作条件会严重影响人的身体健康。为实现检测过程自动化,提出了一种将机器视觉与图像处理技术应用于磁痕图像缺陷判别的智能识别手段。通过工业相机获取磁痕图像。对获得的磁痕图像,利用色彩叠加原理,去除金属表面反光对成像质量的影响;同时,为保证检测算法的实时性,使用模板匹配技术确定工件在图像中出现的位置;提取工件所在区域的纹理特征,利用神经网络分类器实现对钢轴表面缺陷的自动分类,减少了人为因素对判别结果的影响。结果表明:该方法对工件表面裂纹和纤维物、磁悬液堆积等伪缺陷具有更高的识别率和更快的识别速度,可实现工件表面缺陷检测的自动化。     

基于神经网络的纹理图象生成

提出了一种利用多层前馈神经网络生成纹理图象的新方法 .利用该方法可方便地生成图案丰富的纹理图象集 ,并且该纹理图象集中的任何一幅图象均唯一地对应一组神经网络的权值和阈值 ,因此不仅便于图象保存 ,还大大地节省了图象存储空间 .     

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。     

利用小变换和特征加权进行纹理分割

为了提高纹理图象分割的边缘准确性和区域一致性以及降低分割错误率,提出了一种基于小波变换的利用特征加权来进行纹理分割的方法。该方法包括特征提取、预分割和后分割3个阶段,其中,特征提取在金字塔结构小小以变换的基础上进行;预分割利用均人矣类算法来对原始图象进行初步的分割;后分割则根据预分割的结果对特征进行加权,然后利用最小距离分类器来实现图象的最后分割。与传统的方法相比,该方法在分割错误率、边缘准确性以及区域一致性等方面均有明显的改善。     

工件表面粗糙度计算机预报平台设计

构建了基于工控机的工件表面粗糙度预报硬件平台,完成了自动检测和预报软件的分析与设计,核心部分采用神经网络进行建模,提出利用神经网络进行高速铣削表面粗糙度预报的方法,给出了具体的网络实现过程,应用灵敏度剪枝算法克服了网络隐层难以确定的问题,仿真结果表明该方法的有效性,对高速加工切削参数的选择和表面质量控制具有指导意义。     

工件表面的形貌分析

简单回顾了传统的表面粗糙度评价体系和研究进展,并提出了一种利用CCD图像传感器结合虚拟仪器对工件的表面形貌进行测量和分析的方法.该方法可以快速检测、评定工件的表面质量状况,提高工作效率、减轻劳动强度.     

基于支持向量机和距离度量的纹理分类

针对图象纹理分类问题，提出了一种将支持向量机和距离度量相结合，以构成两级组合分类器的分类方法，用该方法分类时，先采用距离度量进行前级分类，然后根据图象的纹理统计特征，采用欧氏距离来度量图象之间的相似性，若符合条件，则给出分类结果，否则拒识，并转入后级分类器，而后级分类器则采用一种新的模式分类方法－支持向量机进行分类，该组合分类方法不仅充分利用了支持向量机识别率高和距离度量速度快的优点，并且还利用距离度量的结果去指导支持向量机的训练和测试，由纹理图象分类的实验表明，该算法具有较高的效率和识别精度，同时也对推动支持向量机这一新的模式分类方法的实际应用具有积极意义。     

基于分形特征的自然景物图象分割方法

提出了一种基于分形特征分割自然景物图象的方法。分割的主要目标是找出景物中的人造物体。首先构造了一组分形纹理特征,给出了图象不同部分的粗糙度及纹理基地大小、方向特性的描述,以此为基础进行图象分割。此外,通过对盒维数方法中的参数拟合性能的分析,对维数估计方法进行优化,理论和实验表明,在自然环境中,该方法能够区 的纹理区域及人造目标,达到满意的分割结果。     

基于Gabor小波变换的无监督纹理图像分割

本文提出了一种基于Ｇａｂｏｒ小波变换的无监督纹理分割方法,该方法首先对纹理图像进行Ｇａｂｏｒ小波变换,再经过一组Ｇａｕｓｓ波波器滤波,然后将得到的纹理特征送入由Ｈｏｐｆｉｅｌｄ网络构成的无监督分类器,最后得到纹理分割结果。实验和分析表明,该方法对于不同的纹理图像都具有良好的分割效果。     

基于非高斯二维Gabor滤波器的生物特征提取算法

Gabor滤波器是一种非常有效的图像纹理特征提取算子。Gabor滤波器可以看作是高斯核函数在频域由复正弦函数调制而成,其频谱仍是高斯函数。采用Gabor滤波器对图像进行滤波处理时,图像所包含的位于高斯函数的频带范围之外的非高斯频谱上的重要信息并不能被Gabor滤波器所提取。提出另外一种二维非高斯Gabor滤波器用于生物特征提取。在所提二维非高斯Gabor滤波器中引入了一个新的参数。这个新参数可以控制二维非高斯Gabor滤波器包络的形状。为了证明所提出的非高斯Gabor滤波器的优越性,在人脸和掌纹数据库中做了大量的实验。实验结果表明,提出的二维非高斯Gabor滤波器的性能相比于传统二维Gabor滤波器有较大的提高。     

Chinese text location under complex background using Gabor filter and SVM

For the Chinese text location under complex background, this paper presents a novel method by combining Gabor filter and support vector machine (SVM). It bases on such a fact that Chinese characters are composed of four kinds of strokes. By extracting four kinds of stroke features with Gabor filters, Chinese text location problem can be transformed into a texture classification one, which can use SVM classifier for the purpose. So, the proposed method is composed of two phases. First, Gabor filters with different scales and orientations are employed to obtain four texture images representing the stokes of Chinese text in horizontal line, top-down vertical line, left-downward slope line and short pausing stroke directions. Then, the text regions and background regions in four texture images are used to train four SVM classifiers to distinguish the texture in four directions, by integrating an SVM classification network to obtain the final classification results, according to the sum of the weights to determine whether the block is the text region. Some experiments are conducted on a large amount of typical images with different texts and different fonts. Compared with some existing methods, the proposed approach achieves better results for Chinese text location.     

Independent component analysis for texture segmentation

Independent component analysis (ICA) of textured images is presented as a computational technique for creating a new data dependent filter bank for use in texture segmentation. We show that the ICA filters are able to capture the inherent properties of textured images. The new filters are similar to Gabor filters, but seem to be richer in the sense that their frequency responses may be more complex. These properties enable us to use the ICA filter bank to create energy features for effective texture segmentation. Our experiments using multi-textured images show that the ICA filter bank yields similar or better segmentation results than the Gabor filter bank.     

基于匹配Gabor滤波器的规则纹理缺陷检测方法

许多工业产品表面纹理都可以被认为是由基本纹理单元在空间按照一定的规则进行排列组合的结果,但由于各种原因,这些有规则纹理图象经常出现的一些缺陷,因而检测这些有规则纹理图象的缺陷是机器视觉检测的重要内容,为了对这种缺陷进行有效地检测,在对这类纹理图象进行功率谱分析的基础上,根据人眼的视觉原理,设计了两类匹配Gabor滤波器,即正常纹理匹配Gabor滤波器和缺陷纹理匹配Gabor滤波器,前者能够突出正常纹理,抑制缺陷纹理,而后者恰恰相反,在将这两类滤波器用于规则纹理图象缺陷的自动检测时,均获得了良好的检测精度和速度。     

An expert system based on Wavelet Neural Network-Adaptive Norm Entropy for scale invariant texture classification

Nowadays, texture classification becomes more important, as the computational power increases. The most important hardness of texture image analysis in the past was the deficiency of enough tools to characterize variety scales of texture images effectively. Recently, multi-resolution analysis such as Gabor filters, wavelet decompositions provide very good multi-resolution analytical tools for different scales of texture analysis and classification. In this paper, a Wavelet Neural Network based on Adaptive Norm Entropy (WNN-ANE) expert system is used for increasing the effectiveness of the scale invariant feature extraction algorithm (Best Wavelet Statistical Features (WSF)–Wavelet Co-occurrence Features (WCF)). Efficiently of proposed method was proved using exhaustive experiments conducted with Brodatz texture images.     

基于Gabor多通道滤波和Hopfield神经网络的纹理图象分割

文章针对纹理图象的特点,提出了一种基于Gabor多通道滤波和Hopfield神经网络的纹理图象的分割算法。首先构造一组Gabor滤波器（2－D）提取纹理图象多分辨率和多方向性的空域和频域特征。为了使纹理特征更加明显,在此基础上对滤波图象进行非线性变换,最后利用Hopfield神经网络通过松弛迭代算法实现纹理图象的快速分割,取得了良好的分割效果。     

Texture classification using Gabor wavelets based rotation invariant features

Texture based image analysis techniques have been widely employed in the interpretation of earth cover images obtained using remote sensing techniques, seismic trace images, medical images and in query by content in large image data bases. The development in multi-resolution analysis such as wavelet transform leads to the development of adequate tools to characterize different scales of textures effectively. But, the wavelet transform lacks in its ability to decompose input image into multiple orientations and this limits their application to rotation invariant image analysis. This paper presents a new approach for rotation invariant texture classification using Gabor wavelets. Gabor wavelets are the mathematical model of visual cortical cells of mammalian brain and using this, an image can be decomposed into multiple scales and multiple orientations. The Gabor function has been recognized as a very useful tool in texture analysis, due to its optimal localization properties in both spatial and frequency domain and found widespread use in computer vision. Texture features are found by calculating the mean and variance of the Gabor filtered image. Rotation normalization is achieved by the circular shift of the feature elements, so that all images have the same dominant direction. The texture similarity measurement of the query image and the target image in the database is computed by minimum distance criterion.     

一种方向Gabor滤波纹理分割算法

结合人眼视觉特性，设计了一种方向Gabor滤波器，该滤波器顾及了纹理图像的方向特性；利用Gabor滤波器的带通技术，抑制次要纹理图像的主频率分量，增强目标纹理图像主频率分量，使滤波输出图像具有较大的类间离散度和较小的类内离散度，将纹理图像的分割转化为传统的图像分割，使图像的分割质量和算法效率都得到了提高。     

用于织物疵点检测的最优Gabor滤波器设计

提出一种基于织物纹理特征的最优Gabor滤波器设计方法．分别建立了正常纹理匹配和疵点纹理匹配的Gabor滤波器优化设计模型，并采用小生境遗传算法对两种模型进行求解．通过比较和分析两种滤波器的检测结果发现，由正常纹理匹配模型得到的最优Gabor滤波器更适宜于织物疵点的识别与分割，并且其中心频率与纹理图像功率谱中能量最集中的谐波成分相一致，因而可以极大地缩短求解优化模型所花费的时间．