基于混合自适应小波基的织物疵点检测算法

为了改进具有复杂纹理织物的疵点检测效果,提出了一种基于混合自适应小波基的织物疵点检测算法,采用各自优化的自适应小波基实现对不同层织物图像的分解变换;首先对正常图像和其经一层小波分解后的低频子图像优化得到混合自适应小波基,然后用该小波基将织物疵点图像进行二层小波分解,最后采用阈值法对径向子图像进行分割得到检测结果;实验结果证明,文章提出的算法能有效实现疵点检测,具有较好的疵点分割和定位结果.     

基于改进自适应小波基的织物疵点检测算法

为了改进基于自适应小波的织物疵点检测效果,提出一种基于改进自适应小波基的织物疵点检测算法。首先通过不同限定条件优化得到多个自适应小波基;然后分别对疵点图像进行小波分解,采用最大类间方差法分割子图像;最后将多种自适应小波基分割后的图像进行融合得到检测结果。实验结果证明,该算法能够在较好保留疵点信息的同时,有效地减少检测结果中的噪声点。     

基于PCNN的织物疵点边缘检测

由于纱线的螺旋性、粗细不匀和织物的柔性形变,使得织物的纹理带有较大的不规则性。 用基于特征或模型的分割方法识别织物纹理图像的疵点,效率较低,准确性较差。针对这个问题,提 出了一种基于PCNN的算法,它利用织物表面疵点区域的灰度强度不同于织物表面图像的灰度强度, 根据PCNN神经元是否点火,来获取织物疵点信息;然后将所提取的特征点按作用范围膨胀,并用 CANNY算子分割出织物疵点,提取织物疵点边缘。实验证明这种方法能有效地获取织物疵点特征, 并得到较为理想的边缘检测效果。     

一种基于计算机视觉的织物疵点自动检测方法

提出了一种基于计算机视觉的织物疵点的自动检测与识别方法,使用CCD摄像头对织物进行实时拍摄,对所得图片通过图像处理、小波分析,提取特征参数,有效地检测与识别缺经、缺纬、油污、破洞等常见疵点,其具有检测速度快、识别正确率较高等优点。     

基于小波分析的织物疵点自动检测方法研究

本文提出了一种织物疵点自动检测方法,用具有高分辨率的CCD摄像头在可移动云台及可调标准光源的照射下捕获织物图像并存储,然后使用数字图像处理方法和小波变换技术将织物图像中的疵点部分分离出来进行识别。该方法其具有检测速度快、定位准确等优点。     

基于灰度共生矩阵特征图像的织物疵点检测方法

提出一种由灰度共生矩阵生成相应特征图像的算法,进行了图像分割和织物疵点检测。先将织物疵点图像进行灰度级量化至16级,再提取0°,45°,90°,135°四个方向上的灰度共生矩阵,通过计算灰度共生矩阵中的熵、相关性、对比度、差异性、逆差矩共五种特征值并生成相应的特征图像,对常见的5种织物疵点进行了分割检测实验。实验结果证明基于灰度共生矩阵生成特征图像的检测算法是一种检测效果良好的疵点检测方法 。     

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。     

MATLAB图像处理技术在针织物疵点检测中的应用

介绍了使用MATLAB的图像处理工具箱,先对扫描的织物图像进行预处理,以检测传统的织物疵点。对多种疵点检测算法进行了分析和比较,将织造过程中产生的对劈缝、浆斑、断经等3类最常见疵点成功地进行了检测识别。     

基于小波域差值系数的织物疵点分割与识别

小波分解系数的织物疵点特征曲线容易受各层周期性噪声的影响,不能有效提取特征和定位疵点区域.提出了小波域差值系数的织物疵点分割与识别方法.首先将小波分解后的水平和垂直高频系数与平滑系数相减,除去周期性噪声,然后,分别提取水平和垂直差值系数熵、能量、方差曲线的最大值、均值及方差特征参数,最后利用支持向量机进行分类识别.仿真...     

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。     

基于多特征融合的电子布缺陷分类

针对传统的电子布缺陷分类方法效率低,稳定性差的问题,提出了基于多特征融合的电子布缺陷分类算法。首先,使用中值滤波对电子布图像进行预处理,滤除细节噪声,减少背景纹理的影响;其次,对预处理后的图像进行Canny边缘检测,利用Hu不变矩提取缺陷的几何特征;再利用尺度不变特征变换(SIFT)提取图像的纹理特征,使用K-means聚类后,构建电子布图像的词袋模型(BoW);最后,将几何特征和纹理特征融合,并传入SVM中进行训练,得到相应的电子布缺陷分类模型。实验结果表明,应用多特征融合的方法对电子布缺陷进行分类,其平均准确率可达97.22%,能够满足企业的实际需求。     

基于频域分析的毛巾织物疵点检测

本文针对毛巾织物的疵点检测进行研究。通过研究分析发现,大部分毛巾织物的疵点主要集中在毛巾表面的毛圈特征上。本文根据疵点和毛圈轮廓特征的频谱特性进行疵点检测,提出了基于频域分析的毛巾织物图像疵点检测算法。以毛巾织物图像频谱的能量统计特性作为疵点检测的特征向量,采用了支持向量机(SVM)作为疵点分类识别算法。matlab仿真实验表明,可以达到平均95%的毛巾织物疵点识别率,说明该频域能量特征提取方法在对纯色毛巾织物的疵点检测上简单有效。     

织物疵点检测中的分形法

本文用DFBIR场作为图象处理的模型,通过分形维数等特征参数的提取、K-MEANS法的聚类,将织物图象分割,达到织物疵点检测的目的。     

基于特征残差的色织物瑕疵检测

为解决自动织物瑕疵检测算法中,未知花色织物瑕疵检测困难的问题,提出了一种基于特征残差的色织物瑕疵检测方法.首先使用瑕疵织物图像与模板织物图像的瑕疵残差和正常无标注织物图像进行融合,生成新花色瑕疵织物样本;然后改进特征提取网络采用共享权值方法,对瑕疵织物和模板织物提取特征后计算得到特征残差;最后使用ROIAlign方法将全局上下文信息缩放到和感兴趣区域统一大小后进行特征融合,对融合特征进行瑕疵分类和位置回归.实验针对不包含未知花色和包含未知花色的不同测试集分别进行算法测试实验,结果表明改进后的算法能够较好地消除织物花色对检测结果的影响,在不包含未知花色的测试集中精度得到了较大的提升,在包含未知花色的测试集中,瑕疵检测效果依旧保持不错的精度,相较于改进前的通用算法,最终score分别提升了15.4％和16.2％.     

基于轮廓波变换的织物疵点图像消噪新方法

为了实现织物疵点图像的有效消噪,使其更有利于特征提取和疵点检测,提出了基于轮廓波变换的织物疵点图像消噪新方法。综合考虑轮廓波方向子带能量的大小与织物疵点图像轮廓细节之间的关系,对Donoho多尺度分解阈值进行修正,改进了Donoho多尺度分解阈值对图像细节"过扼杀"的缺点。实验结果表明,对织物疵点图像进行基于轮廓波变换改进阈值消噪时,该方法更好地保留了织物疵点图像的轮廓细节,峰值信噪比显著提高。采用改进的轮廓波Donoho多尺度分解阈值消噪后的图像,可以更好地应用于织物疵点图像的特征提取和疵点识别。     

基于最小分类误差小波特征的纺织品缺陷分类方法研究

纺织品缺陷分类是利用计算机视觉技术检测纺织品品质的一个关键环节。提出了一种基于小波框架的纺织品缺陷分类新方法。该方法使用纺织品图像的小波框架来描述缺陷的纹理特征。在最小分类误差训练框架下,通过联合设计一个基于线性变换矩阵的特征提取器和一个分类器,来获取面向缺陷分类的小波框架特征,并最小化分类器的错误概率。该方法对包含9类纺织品缺陷的329个样本,以及328个无缺陷样本进行了分类实验评估,获得了931%的分类准确率,相比传统的基于小波变换的分类方法提高了272%。     

LBP和Tamura纹理特征方法融合的织物疵点分类算法

为了找出织物在生产过程中易产生疵点的类型,并反馈到生产工序中以提高织物质量,提出一种基于局部二进制模式与Tamura纹理特征方法相结合的织物疵点分类算法。该算法主要完成的任务是对织物特征向量的提取,局部二进制模式从局部或像素邻域描述纹理的特征,Tamura纹理特征方法从全局描述疵点纹理特征,两者结合能更好地描述疵点纹理特征。完成特征向量提取后,选用共轭梯度BP算法来处理特征向量。共轭梯度BP算法收敛性较好,提高了训练速度和训练精度。实验结果表明,提出的算法对疵点分类具有较高的分类准确率。     

结合改进LBP和SRC的高光谱图像分类研究

针对传统局部二值模型（local binary pattern,LBP）提取高光谱图像纹理特征信息量庞大的难题,提出一种基于对称旋转不变等价局部二值模型（symmetrical rotation invariant uniform LBP,SRIULBP）的高光谱图像特征提取方法,以缩减特征维度;针对稀疏表示分类（sparse representation classification,SRC）模型中稀疏字典冗余的缺陷,采用近邻思想,提出最近邻稀疏表示（nearest neighbor SRC,NNSRC）分类方法,实现高光谱图像的高效、高准确度分类。数据实验结合表明,SRIULBP能快速提取图像特征,提出的分类方法不仅在分类精度上优于其他稀疏表示分类算法,并且具有更强的时效性与泛化能力。