Gabor小波变换在帘子布疵点检测中的应用

给出一种基于多通道Gabor滤波器技术实现高速实时帘子布疵点捡测方法。在多尺度多方向上分别对具有规则纹理结构的织物图像进行Gabor滤波,并对滤波后的多幅子图像进行融合分割处理,将疵点从织物背景中分割出来,从而实现对织物疵点的实时检测。该方法用于帘子布的缺陷检测,具有识别能力强,实时性好等优点。可以用于检测有规则纹理结构的表面及物体。     

基于Gabor小波变换的帘子布疵点检测研究

Gabor小波变换已经成功地应用到各种机器视觉实例中,如纹理分割、边缘检测等。给出了一种基于多通道Gabor滤波器技术实现高速实时帘子布疵点检测方法。在多尺度多方向上分别对具有规则纹理结构的织物图像进行Gabor滤波,并对滤波后的多幅子图像进行融合分割处理,将疵点从织物背景中分割出来,从而实现对织物疵点的实时检测。该方法用于帘子布的缺陷检测,具有识别能力强、实时性好等优点,实验结果证明该方法是有效可行的。这种方法也可以用于检测有规则纹理结构的表面及物体。     

基于Gabor滤波器和HOG特征的织物疵点检测

针对织物疵点检测问题,提出了一种基于Gabor滤波器和方向梯度直方图（HOG）特征的织物疵点检测算法。首先使用3个尺度、4个方向的Gabor滤波器组对织物图像进行滤波,并做融合处理,增强织物图像疵点区域和背景纹理之间的对比度;然后使用双边滤波减弱图像背景纹理和噪声的影响;最后将图像划分成均匀子块,提取每个子图像块的HOG特征,利用图像疵点区域和背景纹理的HOG特征差异进行阈值分割实现织物疵点的检测。实验选取5种常见织物疵点进行验证,并与传统的Gabor滤波算法进行了实验对比,结果表明该算法可以较好的抑制织物背景纹理的干扰,更加准确的检测出织物疵点。     

基于LabVIEW多线程的织物疵点视觉检测系统

设计了一种利用机器视觉,并且结合LabVIEW多线程处理机制与Hough变换及Gabor算法的织物疵点检测系统。通过LabVIEW中基于数据流的生产/消费者并行软件编写模式与队列的结合,防止内存中的图像因为采集速度过快而被覆盖,造成数据丢失。在检测算法中使用Hough变换获取织物纹理方向角并作为Gabor滤波器的方向以检测织物疵点,再通过最大熵进行图像分割。实验结果表明,该处理机制与检测算法的结合具有良好的织物疵点检测效果。     

改进的基于最大熵和Gabor滤波器的织物疵点检测

提出了一种改进的基于最大熵原理和Gabor滤波技术的织物疵点检测方法。采用多通道Gabor滤波算法,取模值特征为输出,利用最大熵分割模值图像,再进行图像融合,最后计算轮廓的周长和面积去除孤立点得到最终检测结果。利用OpenCV算法库,选取了四种具有代表的织物疵点图片进行验证,实验结果表明,该方法降低了计算复杂度、检测速度快、检测效果好、无须事先学习,适用于不同疵点类型的各种检测。     

基于Gabor滤波器组的实时疵点图像分割

使用Gabor滤波器组进行布匹在线疵点检测与疵点图像分割。通过定义一个分辨力函数和一些合成的疵点图像,对已有的Gabor滤波器组的参数选择方式做出评价,提出了在实时应用场合有效地确定Gabor滤波器组参数的方法。分析指出：Gabor滤波器的实部输出是主要因素;滤波器的方位角仅选取疵点出现得最多的水平和垂直方向,而径向中心频率的选取依赖于纹理本身的固有频率;滤波器的长度也应与纹理的固有周期一致。尽管Gabor滤波器的个数减少到4个以满足实时性要求,但结果表明,滤波器组仍能很好地检测和分割出大多数疵点。     

基于多通道Gabor滤波器的纹理图像非监督分类

提出了一种快速、实用的Gabor滤波器设计方法.首先根据人类视觉特性选定Gabor滤波器的频率带宽参数,利用图像大小确定滤波器的中心频率,构造一组多通道的Gabor滤波器在时域和频域中提取图像多方向和多分辨率的Gabor能量特征,对特征空间进行非线性变换和Gauss滤波处理,最后通过K means方法实现纹理图像的分割.实验结果表明,该方法能有较好的纹理分割效果.     

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．     

基于Radon小波低分辨率的织物疵点检测算法

针对纺织过程中可能出现的瑕疵问题,提出了一种新的织物疵点分割方法--四分法和织物疵点特征提取方法--Radon小波低分辨率特征(RWLRC)。该算法先将织物图像经过Gabor滤波器预处理,再将预处理之后的织物图像等分成四部分,通过4部分的最大值与最小值确定阈值并分割。将疵点形状的二值图像进行Radon变换并得到特征曲线,应用Mallat塔式分解算法进行特征降维,最后由神经网络进行状态识别和特征分类。实验结果表明,四分法无需与正常织物对照分割,具有自适应性,Radon小波低分辨率特征的特征值只有3维,具有特征维数低、疵点形状描述准确等特点,所提方法可以有效检测与识别缺纬、缺经、油污、漏洞等常见疵点。     

基于Gabor滤波的头部CT图像分割算法

针对传统图像分割算法在头部CT图像分割时存在的易受光线、伪影等噪声干扰等问题,提出一种基于Gabor滤波的头部CT图像分割算法。首先使用Gabor滤波器对头部CT图像进行滤波,虑除图像中的光线以及伪影等噪声,然后使用Gaussian滤波器对图像进行平滑操作,最后使用二阶微分算子：Laplacian边缘检测算子对图像进行分割处理。实验结果表明：提出的基于Gabor滤波的头部CT图像分割算法能够有效的分割出头部CT图像边缘,并对头部CT图像中常见噪声伪影,具有很强的鲁棒性。     

An automated inspection system for textile fabrics based on Gabor filters

This paper studies the application of advanced computer image processing techniques for solving the problem of automated defect detection for textile fabrics. A new defect detection scheme is proposed, which consists of an odd symmetric real-valued Gabor filter, an even symmetric real-valued Gabor filter and one smoothing filter. In developing the scheme, the Gabor filters are designed on the basis of the texture features extracted optimally from a non-defective fabric image by using a Gabor wavelet network (GWN). The performance of the proposed defect detection scheme is evaluated off-line by using a set of fabric images taken from a database consisting of a wide variety of homogeneous fabric images. The results exhibit accurate defect detection with low false alarms, thus showing the effectiveness and robustness of the proposed scheme. To evaluate the performance of the proposed defect detection scheme further, real-time tests are conducted by using a prototyped automated defect detection system. The experimental results obtained further confirm the efficiency, effectiveness and robustness of the proposed detection scheme.     

随机纹理表面缺陷检测方法与应用

针对随机纹理表面缺陷检测问题,提出了一种基于Gabor小波的检测方法。该方法首先利用实值2维 Gabor小波对图像进行多通道滤波;然后通过对滤波图像进行非线性处理和平滑滤波产生通道能量图像（特征图像）;接着在学习阶段估计学习样本（不含缺陷）特征的统计参数,并用于指导检测阶段特征图像的阈值化;最后在不同尺度和方向,对阈值化后的特征图像进行融合,并二值化,以达到减小虚警率的目的。实验结果表明,该方法检测效果好,且要求学习样本少,适用于不同缺陷类型和各种检测问题。     

Machine vision scheme for stain-release evaluation using Gabor filters with optimized coefficients

This paper presents an efficient and practical approach for automatic, unsupervised object detection and segmentation in two-texture images based on the concept of Gabor filter optimization. The entire process occurs within a hierarchical framework and consists of the steps of detection, coarse segmentation, and fine segmentation. In the object detection step, the image is first processed using a Gabor filter bank. Then, the histograms of the filtered responses are analyzed using the scale-space approach to predict the presence/absence of an object in the target image. If the presence of an object is reported, the proposed approach proceeds to the coarse segmentation stage, wherein the best Gabor filter (among the bank of filters) is automatically chosen, and used to segment the image into two distinct regions. Finally, in the fine segmentation step, the coefficients of the best Gabor filter (output from the previous stage) are iteratively refined in order to further fine-tune and improve the segmentation map produced by the coarse segmentation step. In the validation study, the proposed approach is applied as part of a machine vision scheme with the goal of quantifying the stain-release property of fabrics. To that end, the presented hierarchical scheme is used to detect and segment stains on a sizeable set of digitized fabric images, and the performance evaluation of the detection, coarse segmentation, and fine segmentation steps is conducted using appropriate metrics. The promising nature of these results bears testimony to the efficacy of the proposed approach.     

基于二层自适应正交小波的疵点检测

本文提出了基于二层自适应正交小波的织物疵点检测方法。首先介绍了织物纹理图像的二维正交小波变换．在此基础上借鉴Daubechies小波构造过程，阐明了二层自适应正交小波的构造方法，然后对图象进行二层小波分解。分别比较无缺陷图像与待检测图像二层分解后的纬向和径向子图像，得到纬向和径向疵点信息，最后将两个方向上的疵点信息融合．得到检测结果。实验证明该方法是有效的。     

基于最优Gabor滤波器的织物缺陷检测

织物缺陷的自动检测是纺织行业所面临的技术难题之一。为了对织物缺陷进行快速准确的自动检测，建立了一种基于Gabor滤波器的织物缺陷自动检测方法，即首先根据无缺陷织物的结构特征，应用小生境遗传算法寻找最优的Gabor滤波器参数和分割阈值；然后将待检图像通过滤波和分割来得到检测结果，同时根据响应矩阵的极小值点来计算缺陷的形状特征。该方法应用于帘子布的缺陷检测的实验结果证明，该方法是可行的和有效的，而且还具有适用性广、识别能力强、检测速度快等特点。     

新的基于图像显著性区域特征的织物疵点检测算法

鉴于织物疵点类型的多样性和传统人工检测方法的低效率,为更有效地检测织物疵点,提出一种新的基于图像显著性特征的织物疵点检测方法——SGE。将原织物图分成相同两份:一份利用改进的基于频率的显著性区域(FSR)方法提取区域特征,粗定位疵点位置。另一份先Gabor滤波,取Gabor模图为输出特征;再利用基于像素的显著性区域(PSR)方法进行区域特征提取,细定位疵点位置;然后利用最大熵分别对粗细定位的疵点图进行分割,再融合;最后描绘轮廓,计算周长和面积,去除孤立点,得最终检测结果。采用OpenCV算法库,选取了4种具有代表的织物疵点图片进行验证。实验结果表明,这种粗细定位疵点的方法能够获得较好的检测结果,无需事先学习,能够满足实时性要求。     

基于离散小波变换的织物疵点检测方法

提出了一种基于离散小波变换的织物疵点检测新方法。首先通过对采集织物图像进行小波变换,然后把子图分割为相互连接、互不交叠的子窗口,计算每个子窗口小波系数的标准差作为特征值,最后对这些特征值再次计算标准差与极差,以此作为依据与正常织物进行比较,实现对织物疵点的检测。通过对不同疵点进行检测实验,证明了该算法是可行有效的,检测的正确率平均可达90%以上。