基于Adaboost多特征融合的织物扫描图案识别

针对织物扫描图像中纱线纹理等的存在造成难以提取有效图案特征的问题,提出了一种基于多特征融合的图案识别方法。首先通过纹理抑制平滑滤波算法滤除织物扫描图像的纱线纹理,并进行灰度化;然后分别提取灰度图像的边缘方向直方图、最大稳定极值区域的SURF特征和灰度共生矩阵特征,建立样本图像特征库;最后以样本图像特征库特征为训练对象,通过Adaboost算法融合3类特征建立分类器,实现图案识别。实验结果表明,基于Adaboost的多特征融合织物扫描图案识别算法比单特征识别算法有较高的准确率。     

基于纹理抑制平滑滤波的织物图案识别

针对织物图案特征提取效率低的问题,提出以纹理抑制平滑滤波算法与Adaboost算法为基础的织物图案识别法。首先对织物扫描图案的纱线纹理进行滤除;灰度化后再分别对图像的3个特征进行提取,最终构建图像特征库,以此作为训练对象,采用Adaboost算法进行实验。结果显示,以纹理抑制平滑滤波算法为基础的识别法能够提高图案识别率。     

基于数字图像处理技术的皮革纹理特征提取与分类研究

数字图像处理技术被广泛应用到了皮革裁剪、缺陷检测及智能排版等皮革生产中,在皮革制品的鉴定中也有着较高的应用价值。对此,本文简述了动物皮革纹理特征和常用的纹理特征提取与分类算法;基于数字图像处理技术进行了皮革纹理图像的灰度化、去噪、光照变化的稳健性和旋转不变性等预处理,以获得清晰的皮革图像;采用距离变换与骨架提取算法重构出新的皮革纹理特征图;结合LBP-V法提取皮革纹理图像的图谱直方图进行匹配运算,并对皮革试样进行了相似度度量分析,以作为皮革纹理的分类依据,以期促进皮革行业不同类型皮革的快速、精确鉴定。     

马尔可夫随机场在纸病检测中的应用研究

纸病检测是造纸生产过程中重要的环节,现有的纸病检测系统一般采用阈值算法或边缘检测算法对图像进行分割。为解决阈值分割和边缘检测分割方式中存在的误分以及过度分割问题,本研究提出了基于马尔可夫（MarKov）随机场的纸病图像分割方法。通过MarKov随机场理论对纸病图像纹理进行分析得到纹理特征参数,利用纹理特征参数以及最大差值对正常背景和纸病区域进行分割。结果表明,相比于其他分割算法,基于MarKov随机场的纸病图像分割方法可有效提取出纸病图像的纹理细节和轮廓特征,提高分割的准确度。     

一种可用于纤维图像的聚焦评价函数

探讨一种适用于纤维图像的聚焦评价函数。通过研究边缘检测和传统的图像聚焦评价函数,将分数微分应用到纤维图像聚焦评价中,利用分数微分可以检测出图像纹理细节的特点,提出一种分数微分与整数微分相结合的纤维图像聚焦评价函数,并和其他传统的灰度梯度函数进行了比较。结果表明:所提算法满足无偏性和单峰性,并具有较高的灵敏性和抗噪性,优于传统的灰度梯度评价函数。认为:所提算法适合评价纹理细节丰富的纤维图像。     

基于复合条件的织物纹理模糊识别

提出一种新的基于复合条件的模糊识别方法完成对织物图像的纹理提取。首先对整个图像灰度级分析,确定行与列灰度波的标准模糊集,然后给出基于灰度大小及像素位置的复合条件隶属度计算公式,对行与列的灰度波进行模糊分类,使其转换为仅有2个灰度极值的纹理灰度波。最后将所有纹理灰度波组合还原成二值纹理织物图像,为后续密度识别、纹理均匀度识别及疵点识别等图像分析提供基础。实验与分析结果显示,本文算法通过对灰度波的模糊划分,提取仅用2个灰度值表示的织物二值纹理图像,形成具有脉冲特征的纹理灰度波,可为后续织物图像各参数分析提供简单有用的织物纹理数据模型。     

基于灰度邻域操作的缺陷图像消噪分析与实现

以图像中的噪声影响下一步图像处理、分析及识别为启示,分析了常用的数字滤波算法优缺点,提出了基于MATLAB的灰度邻域操作消噪方法。该方法将灰度化的缺陷图像,利用相邻像素间的颜色分布对图像进行平滑、增强、边缘提取、滤波、恢复。仿真结果表明,这种算法在高斯噪声和椒盐噪声滤波方面能有效地滤除噪声,同时还能较好的保护图像细节,较准确的复原受噪图像特征。     

基于图像的动物皮革纹理提取

动物皮革表层的纹理具有其自身特色,对纹理的提取不仅可用于皮革类别的鉴定,也有助于对自然纹理的再设计和应用。直接采集的皮革图像,纹理模糊、粗细不匀且含有色泽差异。在对动物皮革纹理总结的基础上,运用微分算子、Canny边缘检测算子以及分水岭算法对皮革图像进行了纹理提取,并对不同方法进行了比较分析。试验结果发现:不同算法效果存在着显著差异,其中Canny算子能够有效地提取出主干纹理,分水岭算法则会将纹理细节充分表达出来。Canny算子及分水岭算法的引入,能够有效地提取出皮革图像的纹理信息,为人造皮革的纹理仿制提供了自然纹理参照。     

基于多特征融合图像分析技术的羊毛与羊绒鉴别

为快速准确地鉴别羊毛与羊绒,提出一种基于多特征融合的鉴别方法。首先利用光学显微镜及数码相机对羊毛与羊绒纤维进行图像采集,然后分别采用2种类型的预处理操作得到单根纤维图像与去除背景的纤维二值图像;其次通过灰度共生矩阵算法提取第1类预处理后羊毛与羊绒纤维图像的纹理特征参数,基于中轴线算法提取第2类预处理后纤维图像的直径形态特征参数;最后将纹理及形态特征参数融合成多维数组并通过K均值算法进行聚类识别。实验结果显示,与传统利用单一纤维特征提取算法进行识别的方法相比,该算法平均识别率可达到95.25%,识别率较高,可用于羊毛与羊绒纤维的自动分类识别。     

基于局部统计与整体显著性的织物疵点检测算法

由于织物疵点类别较多及图像纹理多样化,为了能更有效检测织物疵点,本研究结合局部统计特征与整体显著性分析,提出一种新的织物疵点检测算法。首先将图像分为大小相同的图像块,采用局部二进制模式和灰度直方图分别提取图像块局部统计特征;其次针对每个当前图像块,随机选取K个其它图像块,分别计算局部二进制模式统计特征对比度和灰度统计特征对比度,完成基于上下文整体显著性分析生成视觉显著图;最后采用基于迭代最优阈值分割算法对显著图进行分割,得到织物疵点检测结果。实验结果表明,该算法综合了局部统计特征和整幅图像的上下文信息,可显著突出织物疵点区域,实现对织物疵点的有效检测。     

自适应局部二值模式算法及其在织物疵点检测中的应用

为了能够准确地提取不同纹理的特征,提出一种新的纹理特征提取方法,自适应局部二值模式为不同纹理特征创建相应的主要概率模式子集,避免了均匀局部二值模式使用同一模式集描述不同纹理结构而导致的描述不准确问题.在该算法基础上构建一种新颖的织物疵点检测算法,使用本文提出的特征提取方法获取无疵点织物图像特征并确定疵点判断阈值,然后将待检测织物图像分割为大小相同的检测窗提取特征后,与阈值比较以判断是否为疵点区域.实验证明此算法不仅保持了传统LBP的旋转不变、多分辨率等特点,而且疵点检测结果在视觉上更加细腻、误检率更低、适用范围更广.     

基于L-M算法及不变矩特征值优化的神经网络图像识别

文章采用基于L-M算法的BP神经网络,并在图像特征提取量的选择中,结合了不变矩特征值和灰度共生矩阵导出的基于纹理的特征量,以车牌识别为例进行图像识别。经过训练和测试,得到L-M及特征量优化的神经网络,在精度和识别速度上都优于BP神经网络。     

基于多纹理特征的白酒摘酒酒花图像分类识别

根据白酒的"看花摘酒"传统手工摘酒经验,提出一种基于酒花视觉图像的多特征智能分类识别方法.通过对连续获取的酒花视频图像,在图像预处理基础上,提出采用局部二值模式(LBP)与灰度共生矩阵(GLCM)分别进行纹理特征提取,并提出LBP+GLCM相结合的纹理特征提取算法.通过对比旋转不变模式LBP、等价模式LBP、旋转不变等价模式LBP,确定对白酒酒花特征描述提取效率最高的等价模式LBP;对GLCM提取的特征值计算均值,并采用不同的特征值组合方式作为支持向量机(SVM)的输入得到分类结果;最后对得到的LBP特征与GLCM特征值进行特征级融合作为分类器的输入,并利用3种不同核函数的SVM分类器进行训练和测试.试验结果表明,LBP+GLCM分类准确率相较于单一LBP、GLCM均有不同程度地提高,其稳定性也高于单一特征分类.     

织物表面几何形状检测中最优边缘检测算法的选取

基于机器视觉方法检测织物表面图案几何形状,研究棉质纺织品表面图案边缘的检测效果,通过对比找到适合工业应用的边缘检测算法。选取多种典型的边缘检测算子为考察对象,首先对各自边缘检测的结果图像及其信息熵进行对比,然后分析各算子在目标区域分割、内部条纹及局部图案细节等多方面的表现,证明Sobel算子得到的图像边缘与背景区域的灰度差异明显,灰度信息熵最小,有利于图像几何信息的识别;而且Sobel算子对织物表面及背景区域的纹理不敏感,识别结果:图像中噪声及后续处理难度较小,适合棉质袜子表面几何形状的检测。     

基于灰度共生矩阵的织物组织结构差异分析

应用灰度共生矩阵分析不同织物组织结构的纹理特征差异。首先将图像的灰度级由256级降为16级以减少计算量;再通过计算图像的灰度共生矩阵选取由灰度共生矩阵衍生的能量、对比度、相关、熵和逆差矩5种特征值作为描述织物纹理的特征参数,并与实际织物纹理特征相比较。分析结果表明,该方法能够较好地提取平纹、斜纹和缎纹织物的纹理特征,可进一步实现织物纹理的分类。     

基于灰度直方图最小跨度阈值法的瞳孔分割

瞳孔的边缘检测是虹膜提取的一个重要技术内容,本文提出了一种简单有效的虹膜内边缘定位算法,以虹膜图像灰度直方图为基础,通过寻找瞳孔区灰度分布范围的方法确定分离瞳孔的灰度阈值,并利用灰度投影法定位虹膜内边缘。实验结果表明,文中提出的方法能够准确地进行虹膜内边缘定位。     

脐橙分选包装表面损伤识别算法设计研究

研究提出了一种改进的计算机视觉识别技术与图像融合算法,并建立脐橙表面损伤识别系统,检测中从图像采集卡获得数字化的图像数据后,经过图像二值化、边缘检测和灰度拉伸处理,再对图像的行灰度均值变化曲线进行分析,加权滤波后提取特征图像,以提高脐橙分选包装的精度和速度。通过实验测试表明:边缘特征检测方法对于模糊图像的处理能力较强,算法设计中的损伤定位加快了系统的处理速度,其检测速度达到了10.5个/s,具有精度高、通用性和稳定性好等特点。     

基于边缘和纹理特征融合的蕾丝花型检索方法

介绍一种采用边缘和纹理特征融合的蕾丝花型检索方法。首先利用Live Wire分割算法提取出1 327个样本花型和530个测试花型,然后分别提取它们的傅立叶描述子、灰度梯度共生矩阵作为边缘特征和纹理特征,最后将测试花型与样本花型特征匹配后按照相似度大小进行排序,并与特征融合后的排序值进行比较,在Matlab中实现蕾丝花型用户界面检索系统。结果表明,与单一的特征检索方法相比,特征融合方法具有更高的识别率,能够满足大数据库下蕾丝花型的检索需求。     

一种新的纹理图像特征提取的方法

灰度图像的纹理反映了一个区域中像素灰度级及其局部变化的空间分布属性，用图像的局部统计特征能较好地刻画不同纹理的差异。基于这种思想，本文中首次提出了一种基于PCNN点火序列图的纹理图像特征提取的新方法。通过对PCNN的运行行为和基本特性的分析。指出PCNN的点火时刻序列图不仅包含了局部图像的灰度分布信息，更重要的是还包含了图像中相邻像素之间的几何信息，这恰是纹理图像的个性特征所在，最后给出了部分仿真实验的结果，以验证该方法的有效性。     

基于Gabor优化选择的彩色图像边缘检测算法

针对图像边缘检测过程中易出现图像细节信息丢失以及边缘断裂等问题,提出一种基于Gabor优化选择的图像边缘检测算法。Gabor滤波器虚部可以较好地描述像素周围的方向变化信息以及伸缩、平移、旋转不变性。利用3个尺度8个方向的Gabor虚部滤波器组提取图像边缘特征;分别计算滤波后各图像的熵值,对于同一方向、不同尺度下的滤波图像,选择熵值最大的滤波通道作为最优;根据二范数进行边缘特征融合,通过迭代式阈值分割方法获得边缘检测结果。实验结果表明,所提算法边缘定位准确且边缘细节信息丰富,边缘连续度较高。