基于多特征融合的织物瑕疵检测研究

织物瑕疵纹理特征复杂,单一特征不能很好地反映纹理信息。为此,本文提出一种基于局部二进制模式(Local Binary Pattern,LBP)算子和灰度共生矩阵(Gray Level Co-occurrence Matrix,GLCM)的多特征融合算法。首先,对LBP算子进行了改进,提出一种基于邻域像素中值的中心对称LBP算子;然后,将其提取出的纹理特征和灰度共生矩阵提取的纹理特征进行融合;最后,通过极速学习机和支持向量机做分类实验,验证融合特征描述织物瑕疵纹理特征的能力。实验表明,本文方法提高了织物物疵点检测率,并且具有很好的抗干扰能力。     

基于纹理边缘周期性与局部方向性的织物疵点检测

根据织物纹理图像自身的特点,提出一种基于纹理边缘周期性与局部方向性的织物疵点检测新方法。通过正常纹理边缘的周期性与方向性特征剔除同类有疵点纹理图像的背景纹理信息,突出疵点信息,进而快速有效地检测出无特定方向的织物疵点。经过对大量常见织物疵点图像的检测实验,表明该方法对于纹理边缘清晰、方向一致性较好的织物疵点图像具有较好的检测效果。     

基于边缘检测的斜纹布匹瑕疵检测

为了对布匹瑕疵进行快速准确的检测,提出了一种基于边缘检测的新算法。利用布匹图像中瑕疵与正常纹理产生的纹理边缘,将布匹瑕疵作为正常纹理的边缘检测出来。利用Sobel算子的方向性,分别对织物疵点在水平和垂直方向进行增强,计算出RGB图像中水平与垂直方向的梯度后进行边缘检测,通过图像融合和二值化完成最终检测。实验证明,该方法准确性高并且检测速率大大提高。     

基于傅里叶特征谱和相关系数的织物疵点检测

为提高织物疵点自动检测的准确度,提出一种基于傅里叶特征谱和相关系数的织物疵点检测算法。以平纹、斜纹织物为研究对象,对织物图像进行傅里叶变换,得到织物图像的频谱图;定位频谱中的特征峰点,提取表征图像灰度、纹理的五个特征值;以正常织物为模板,计算待检图像特征值与模板图像特征值之间的相关系数,确定用于识别织物疵点的阈值,来实现织物疵点检测。实验结果表明:当阈值设定为0.80时,该算法能够实现稀密路、断经、吊经、纬缩、破洞等常见疵点的准确检测。     

基于纹理周期性分析的织物疵点检测方法

根据织物图像纹理自身特点,从图像纹理的周期性这个重要的视觉特征入手,提出了基于纹理周期性分析的织物疵点检测方法。通过对大量不同疵点图像检测实验,证明提出方法对织物疵点检测具有较好的有效性和可靠性,而且具有检测的疵点种类多、实用性好的特点。     

织物表面纹理疵点自动检测

根据织物纹理和疵点频谱的不同分布,提出织物疵点检测的新方法。在织物纹理和疵点分类的基础上,通过傅里叶变换获得频谱图。设计频域滤波器抑制正常纹理频谱信息,通过重构对灰度图像进行分割,实现疵点与正常织物纹理的分离。实验结果表明该方法是有效的。     

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。     

基于纹理结构分析的织物疵点检测方法

提出了一种新的基于纹理结构分析的织物疵点检测方法,首先根据规则纹理的特点,利用自相关函数计算纹理基元模板,并通过计算每个纹理基元与基元模板的差来进行疵点区域的增强。然后通过计算纹理图像的局部不平整度来定位疵点,并采用Otsu方法自动获取阈值进行图像分割,从而实现织物疵点的检测。最后通过对不同织物疵点图像检测分割实验证明了算法的有效性和鲁棒性。     

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．     

基于灰度共生矩阵的织物纹理分析

以一种常见的织物纹理为对象,采用灰度共生矩阵的方法进行纹理分析.介绍了灰度共生矩阵的原理及其特征参数,讨论了纹理的灰度共生矩阵特征参数、像素距离以及图像灰度等级对灰度共生矩阵的影响,确定了区分此类正常织物与带疵点织物纹理的灰度共生矩阵构造方法.针对该类正常织物图像进行纹理分析,特征参数值统计,确定了正常织物纹理像素方向、像素距离以及图像灰度等级.取原始织物图像尺寸为128×128,生成灰度共生矩阵的最佳像素距离为2,经直方图均衡化后,最佳灰度等级为16.实验结果表明,按照该规则生成的6个灰度共生矩阵的特征参数,能够准确的判断此类织物图像是否存在疵点.     

基于小波变换的织物纹理方向检测方法

织物组织结构及参数的正确识别与分析是一项费时而又重要的工作。该文提出了一种运用图像处理技术检测织物纹理方向和识别织物组织的新方法。把小波变换对织物图像信号良好的分解性能与Radon变换对纹理直线的检测特性结合，运用于织物纹理方向的检测分析及织物组织识别中。实验表明该方法能较准确地测定纹理方向等结构参数，检测结果为正确推断与识别织物所属的基本组织类型提供有效依据。     

小波系数在织构纹理相似性描述中的应用

提出了基于小波子带系数的织构图像纹理相似性描述方法。根据织构图像小波分解后高频子带小波系数分布服从广义高斯分布,采用极大似然估计求出广义高斯分布模型的尺度参数和形状参数,并由其计算两织构图像的Kullback-Leibler距离以衡量织构图像纹理的相似度。由实验结果可知,与小波基和分解层数的选择相比,参照图像的差异对Kullback-Leibler距离曲线的影响较大。从织物图像纹理识别可知,基于Kullback-Leibler距离特征的识别结果优于其他距离特征。提出的纹理相似性描述算法对其他类型的纹理具有通用性。     

基于灰度共生矩阵的帘子布疵点检测研究

详细介绍了灰度共生矩阵的原理,讨论了帘子布的灰度共生矩阵像素点对方向、距离以及图像灰度等级对灰度共生矩阵的影响,确定了区分正常帘子布与带疵点帘子布的灰度共生矩阵的构造方法。对正常帘子布图像进行了纹理分析、特征参数统计,确定了正常帘子布像素方向、像素距离以及图像灰度等级。实验结果表明,按照上述规则生成的四个灰度共生矩阵的特征参数,能够准确地判断帘子布图像是否存在疵点。     

Generation of 3D Texture Using Multiple 2D Models Analysis

Solid (30) texturing is commonly used in computer graphics for producing more realistic images. It is often more attractive than the conventional 20 texture mapping but remains more complex on some points. Its major difficulty concerns the generation of 30 texture in a general and efficient way. The well-known traditional procedural methods use generally a simplified mathematical model of a natural texture. No reliable way for the choice of the mathematical model parameters, which characterise directly the produced 30 texture, is given. Therefore, 30 texture generation becomes a more or less experimental process with these methods. Our recently published methodfor an automatic 30 texture generation avoids this problem by the use of the spectral analysis of one 2D model texture. The resulting 30 texture is of good quality but one open problem remains: the aspect of the produced texture cannot be fully controlled over the entire 30 space by only one 20 spectral analysis. This may be considered as a serious limitation for some kinds of textures representing important variations in any direction. In this paper we present a new and more powerful analytical approach for an automatic 30 texture generation. Contrarily to our previous method, this new approach is not exclusively based on the spectral analysis of only one 20 model. It uses two or three 2D models corresponding to different slices of a 30 texture block, so, the aspect of the produced 3D texture can be controlled more efficiently over the entire 30 space. In addition, a more efficient 30 texture antialiasing, well adapted to this new method is presented.     

一种PCA-NLM的纺织品缺陷检测方法

在纺织品自动检测过程中,采集的图像容易受到噪声及织物表面材质的干扰,本文提出一种混合方法（hybrid approach）进行纺织品缺陷检测,采用PCA-NLM（Principal Component Analysis-Non Local Means）有效增强了缺陷区域的灰度共生矩阵纹理特征,提高了缺陷纹理和无缺陷纹理之间的类间可分性。通过对7类缺陷的纺织品图像检测实验分析表明,相比单一的非混合方法,本文方法有效提高了纺织品缺陷的检测正确率。     

基于完全局部二值模式的人群密度估计

为了实时监控重要场所的人群密度、采取有效措施疏散高密度人群,避免人群密度过大而引发事故,造成生命和财产的损失,提出了一种基于完全局部二值模式的人群密度估计方法.该方法提取人群图像的3种局部纹理特征,建立了3-D联合直方图统计模型,用卡方距离最近邻方法对人群密度级别进行分类,实现了特定场景下人群密度的监测.对比实验结果表明了该方法能兼顾任意密度级别人群图像的分类,不仅准确率高,而且实时性好,同时对场景背景具有较强的鲁棒性.     

FFT和Hough变换在织物纹理方向检测上的应用

针对人工测量织物纹理方向的方法存在自动化程度低、精度不高的缺点,提出基于快速傅里叶变换和Hough变换的自动检测和识别织物经向、纬向、斜纹斜向的方法。对织物图像进行二值化处理,对二值化后的织物图像进行快速傅里叶变换得到功率谱图,对功率谱图的二值图像进行Hough变换,从而检测出织物纹理方向。通过对同一试样的不同放置方式进行测试,证明该方法对织物放置方式无特殊要求,仅需确保试样平摊在光滑台面上不受任何张力;将该方法与人工测试结果作对比,证明该方法具有高精度、高自动化的优点。