基于BP神经网络的墙地砖缺陷检测技术研究

基于人工分拣的墙地砖质量检测环节不仅造成人力资源的浪费,更无法保证质量检测的准确度,影响了墙地砖产品的档次提高。为了节省成本,进一步提高墙地砖的生产效率,本文利用颜色通道下的共生矩阵特征作为图像视觉特征,并充分利用图像的纹理信息和颜色信息,训练出一个适用于墙地砖缺陷分类的BP神经网络。通过实验结果的数据分析,基于BP神经网络的墙地砖缺陷检测技术能够对多种尺寸规格、颜色、图案的墙地砖得到较好的检测结果。     

融合区域颜色和纹理两级特征的快速人体皮肤检测

人体皮肤检测在人脸检测、成人图像过滤、人体图像检索等应用中占有重要地位.利用支持向量机,对人体皮肤的颜色和纹理特征的分布进行了研究,并提出了一个基于区域颜色和纹理特征规则的两级模型.在人体皮肤检测算法中,首先利用分水岭分割算法将图像分割成颜色和纹理近似一致的区域,然后利用皮肤颜色模型提取候选皮肤区域,最后利用纹理规则模型对候选皮肤区域进行最终判决.实验结果表明,该算法简便、快速、有效.     

在线高斯混合模型和纹理支持的运动分割

运动分割是基于视频的运动分析中的基本问题．通过颜色和纹理特征的线性组合,实现了一种新的检测运动目标的算法．在线高斯混合模型不仅用于对背景进行更新,而且也用于计算像素颜色差异和颜色权值;纹理特征用于描述局部区域内的结构信息,提高了运动检测算法的鲁棒性．对不同场景的运动分割结果表明,该算法是高效和实用的．     

一种基于运动阴影的目标检测算法

运动阴影常被误划为目标并干扰目标的分割和跟踪,所以阴影检测在许多图像监控系统中都非常重要.本文研究传统阴影检测算法.针对传统算法受特定条件约束不能自动适用于不同场景的不足,提出一种在场景特征未知情况下的阴影检测算法.算法综合考虑颜色信息、空间信息和纹理信息,利用阴影的颜色、空间和纹理属性在待分析区域中确定其造成的颜色形变,通过使用颜色形变补偿和纹理校正检测到运动阴影.基于不同图像的实验结果表明该方法的有效性.     

基于颜色和纹理特征背景模型的多层差分运动目标检测算法

提出了一种可以剔除阴影、光照变化影响的运动目标检测算法.该算法分别建立基于颜色和梯度信息的背景差分模型,即为每一个像素建立了基于LBP的纹理特征模型,对于颜色信息采用了一种对颜色测量光度不变性的表示方法,背景模型的更新类似于Stauffer等提出的高斯模型,仅在权值更新中采用了具有滞后作用的策略的更新方法.在前景检测过程中采用了两层的判断过程,在像素层,通过用纹理和颜色的统计模型将每个像素划分为成前景或背景,在第二层,对于颜色特征差分得到前景区域的边界部分统计得到其LBP纹理信息,然后与纹理模型检测得到的同一区域边界的纹理信息进一步比较,剔除由于阴影、光照变化引起的前景误判.     

基于边缘颜色分布的图像检索方法

提出了一种新的基于边缘颜色分布的图像检索算法。该算法将不同类型边缘附近的颜色分布作为刻画图像内容的主要特征,设计了一种紧凑的2D边缘颜色直方图来对图像的边缘颜色分布特征进行描述，既利用了局部颜色特征，又考虑了不同类型边缘的空间分布信息，克服了传统颜色直方图不能反映空间信息的缺陷。实验结果表明，该算法与其他同类方法相比，有效地提高了检索性能。     

一种基于数学形态学的墙地砖表面缺陷检测方法

介绍了一种利用数学形态学来检测瓷质墙地砖表面缺陷的方法。该方法通过优化形态学结构元素使图象中正常的纹理变化经滤波后响应最小,而缺陷纹理却不受影响,以达到缺陷检测的目的。实验结果证明了该方法在实际应用中的可行性。     

基于纹理特征的挠性印制电路板焊盘缺陷检测

纹理特征反应了物体表面微观几何形貌与颜色的波动程度;针对挠性印制电路(FPC)焊盘纹理特征的提取与检测,提出基于灰度与纹理梯度二维分布特征的方法建立描述纹理特征的熵统计量,该统计量能够灵敏地反映、量化焊盘金面正常或异常情况下的不同表面视觉特征;当用于缺陷检测时,可准确地识别出焊盘缺陷,检测准确率高达96.7%,50个焊盘的平均检测时间为300ms,满足在线检测的要求。     

基于分形的彩色岩石裂隙分割

纹理分割是图像处理与计算机视觉领域研究的重点和难点.现有的纹理分割方法大多集中于研究灰度纹理图像,该文提出了一种基于分形纹理特征和颜色信息结合的彩色纹理分割算法.该算法将复杂的彩色图像分形维数计算转化为单色图像分形维数的计算,将纹理特征和颜色信息相结合,采用区域生长法来实现分割.通过对彩色岩石裂隙图像的分割实验,结果证实该该方法行之有效.     

一种基于颜色和纹理的显著性目标检测算法

视觉显著性检测是很多计算机视觉任务的重要步骤,在图像分割、自适应压缩和识别物体方面都有很重要的应用。提出了一种基于HSV颜色、纹理特征和空间位置关系相结合的显著性检测算法。该方法先将图像分割成小的图像片以获取图像的局部信息,结合图像片颜色的独特性和空间分布的紧凑性计算得到颜色显著图;同时利用Gabor滤波器对图像进行不同尺度和方向地滤波得到纹理特征向量,然后对特征向量计算纹理差异得到纹理显著图;最后将二者结合得到最终显著图。实验结果表明,该方法在检测效果和抗噪能力等方面均可获得较为满意的结果。     

基于机器视觉的随机纹理瓷砖的分选系统

针对日益加快的瓷砖生产速度与缓慢的人工分选速度之间不协调导致的瓷砖出产效率低下的问题,提出了以机器视觉软件HALCON 11.0为软件开发平台的结合瓷砖颜色、纹理特征提取的算法,以及针对多分类问题的改进多层感知器神经网络算法(MLPNN).首先对拍摄到的瓷砖图像进行去噪预处理,在HSI颜色空间中提取瓷砖的色调(Hue)特征并计算反映瓷砖的纹理特征的灰度共生矩阵(GLCM)和灰度幅值分布特征,再将得到的特征作为多层感知器的神经网络输入层神经元,然后设计以softmax为激活函数的多层感知器神经网络来进行模式匹配,并与BP神经网络模式匹配方法进行对比,最终搭建出具有简单人机交互界面的随机纹理瓷砖的分选实验样机.实验结果表明:本系统对实验的各类随机纹理瓷砖的分选准确率都在90%以上,具有较高的分选准确率,能应用于瓷砖生产实践.     

多特征融合的瓷砖表面缺陷检测算法研究

鉴于单一特征在瓷砖种类较多的情况下,存在对瓷砖表面缺陷内容表达不明显,导致复杂瓷砖识别率较低。针对这个问题,在词袋模型（BoF）框架的基础上,提出一种有效的多特征融合算法用于瓷砖缺陷检测。该算法采用改进后的SIFT和颜色矩融合特征作为瓷砖图像的区域特征描述;根据每种特征对瓷砖被分类的准确率大小,给提取到的两种区域特征分配各自的权重系数实现特征的加权融合;形成综合特征向量送入SVM分类器达到瓷砖缺陷分类的目的。通过不同类型的瓷砖样本进行实验表明,该算法识别率高,对复杂瓷砖能实现较好的分类。     

基于CIE YU''V''的瓷砖颜色色差检测技术

为实现瓷砖颜色分级的自动检测,提出一种基于CIE YU'V'空间的色差计算方法.该方法将数据从RGB颜色空间转换CIE YU'V'均匀颜色空间,利用U'、V'分量计算标准瓷砖与被测瓷砖的色差.通过对总体平均色差和小区域窗口色差进行分析,确定瓷砖颜色等级.该方法对颜色匀度及缺陷具有一定的检测效果.     

基于直方图聚类的颜色分级方法

文章提出了一种利用颜色特征对瓷砖进行在线颜色分级的新方法。针对瓷砖图像数据量大的特点,采用了颜色空间分裂和与初始条件无关的聚类算法相结合的量化方法来提取瓷砖图像颜色特征,这既可满足算法实时性要求又充分考虑到了颜色分级对特征的精确性要求。实验结果证明了该方法的有效性。     

基于虚拟仪器的瓷砖平整度自动检测系统

为实现瓷砖表面平整度误差的自动检测和产品质量的自动分级，探讨了瓷砖表面平整度检测的原理和方法。将虚拟仪器技术应用于瓷砖表面平整度的自动检测研究，以非接触式光纤位移传感器、数据采集卡、PC机作为硬件配置，以LabVIEW作为软件开发平台，设计了瓷砖表面平整度自动检测系统：实际应用表明，该系统可以自动检测瓷砖表面平整度，并对产品进行分级，适合于实际生产过程的质量控制.     

基于小波变换的图像纹理特征提取方法及其应用

针对瓷砖表面色差的在线检测问题,提出了一种基于小波变换的图像纹理特征提取方法.瓷砖图像经过预处理后,对图像各通道进行二层小波分解并提取各细节子图的能量特征.该能量信号融合了颜色和纹理的信息,将其作为区分不同色号瓷砖的特征量,并由最小距离分类器进行分类决策.实验结果表明,对比已有的研究中多采用的颜色直方图分布法,该方法能更好地反映颜色的空间分布信息,满足用户需求.     

瓷砖图像的纹理特征分类研究

在已有的瓷砖图像分类系统中,仅靠颜色特征和简单的纹理边缘信息只能对无花纹的单色砖或简单花纹的瓷砖进行有效分类,对复杂图案的瓷砖存在识别率低的问题。针对此种情况,结合瓷砖图像的灰度共生矩阵和统计几何特征,将这些特征输入支持向量机进行特征分层分类。采用基于径向基核函数和[K]交叉验证法所得到的最优参数构造支持向量机,解决瓷砖纹理特征具有非线性的分类问题。用瓷砖生产线上采集的大量图像进行实验表明,该方法准确率高,分类效果好。     

不同表色空间在地砖颜色评价中的应用与比较

文中介绍在建筑陶瓷制造业中,以佛山区陶瓷厂为例,设计开发了专门用于对墙地砖进行颜色分类的设备,讨论了在设备软件算法中用到的多种表色空间模型的特点及其在颜色分类中的应用。     

基于SVM的墙地砖颜色自动分类

支持向量机(SVM)是一种采用结构风险最小化原则的新的机器学习方法，具有完备的理论基础。该文首次把支持向量机技术应用于墙地砖的自动分类，首先通过对墙地砖图像的RGB通道进行小波分解，由于不同通道的相关性，故提取其协变信号作为特征集，再构建二叉树形式的决策树来实现SVM多类分类，然后对墙地砖进行了颜色分类实验，并与knn分类结果对比，实验结果证明SVM分类器具有更高的分类准确率。