基于计算机视觉的片烟形状测量方法

为准确描述片烟形状,基于计算机视觉提出了一种片烟形状测量方法。采用基于Mean-shift均值漂移算法的图像分割方法实现图像中片烟区域的初步提取,利用形态学梯度算法精确提取片烟轮廓。分别使用分形维数和傅里叶描述子两种方法对片烟形状进行定量描述,并以一组形状各异的片烟为测试对象,对分形维数和傅里叶描述子形状描述能力进行了分析实验。结果表明:对于不同形状的片烟,分形维数与傅里叶描述子的取值差异明显,且两种方法的取值随着片烟形状差异的扩大而增大,表现出单调性,验证了两种方法对片烟形状均具有可靠的描述能力。将两种形状定量方法同时运用于片烟形状测量系统,能够有效评价片烟形状。     

采用傅里叶描述子和支持向量机的服装款式识别方法

为解决当前服装款式识别领域中,服装轮廓特征提取技术较复杂,其分类方法的效率低、适应性差等问题,提出一种新型的服装款式的识别方法。首先创建了一个服装图像样本库,并从这些服装图像中提取服装轮廓,然后使用傅立叶描述子描述服装的轮廓特征,以多分类支持向量机进行分类。结果表明,该方法能够准确提取服装轮廓,傅立叶描述子的识别效果优于Hu不变矩和融合特征（Hu不变矩和傅立叶描述子）;对傅立叶描述子进行主成分分析不能提高识别准确率;支持向量机的分类效果优于极端学习机;该方法能够达到95%以上的识别率,尤其对轮廓特征明显的款式有更好的识别率。     

基于椭圆傅里叶算法的青年女性躯干形态分类

为探究人体躯干形态间的差异,本文于212份人体三维点云数据中随机选择120个样本进行过胸凸矢状轮廓曲线的提取,结合椭圆傅里叶分析对轮廓曲线进行研究。计算并分析不同最大谐波次数下的拟合误差,确定实验用最大谐波次数为15;运用15次谐波对所有样本的轮廓曲线进行椭圆傅里叶变换,获取能客观描述曲线形态的规格化描述子。通过对规格化后的描述子进行主成分分析,最终提取10个主成分。利用混合F统计量确定最佳分类数,以成分得分为依据,运用K-means聚类方法将样本形态分为5类。研究得出：各分类之间于肩部、胸部、腹部、臀部、后背弯曲程度及侧面厚度等方面均存在较为明显的差异,依据椭圆傅里叶描述子可以对躯干形态进行合理有效的分类。     

基于改进边缘检测算法的服装款式识别

为快速识别服装款式类型,提高生产效率,针对现有传统边缘检测算法难以准确提取轮廓特征序列的不足,设计一种改进的边缘提取算法。通过定义一种新的优化卷积核,在使用传统边缘检测算法提取训练样本的服装轮廓基础上,将该卷积核与目标矩阵进行卷积得到新的外轮廓,将新轮廓序列的傅里叶描述子作为特征向量,进一步利用BP神经网络模型完成服装款式的自动分类与识别。为验证改进方法的有效性,建立一个包含4类服装500个不重复服装图像的样本库,选取281个作为训练样本,对剩余219个样本进行测试,测试识别准确率最低为93.48%,最高达到了100%。该改进算法提高了服装款式识别率,对服装智能化生产具有借鉴意义。     

基于傅里叶频谱特征的织物平整度客观评级

为解决织物平整度人工评级主观性强,现有客观评级准确率低的问题,提出一种基于傅里叶变换、频谱特征提取、支持向量机的织物平整度评级方法。首先采集标准模板及织物样本图像,对所得图像预处理并进行傅里叶变换;在频域内构建低通滤波器,通过频域滤波以及傅里叶逆变换确定褶皱信息在频谱图中所处频率范围,称之为褶皱贡献区间;将褶皱贡献区间划分为若干特征子区间,统计每一区间内频谱幅值之和,并以此作为特征值构造特征向量;以所有训练样本的特征向量构造特征向量集,并以所得特征向量集训练支持向量机,对织物平整度进行客观评级。所采用织物样本总数为132,取其中24张及标准模板图像为训练集,其余作为测试集。结果表明,本文使用算法在织物平整度评级方面具有很好的效果,评级准确率可达96.30%。     

基于三维扫描的织物悬垂形态分析

为了从三维尺度上分析织物悬垂形态,文章选取了27块不同悬垂风格织物,将三维扫描仪采集的织物悬垂体点云数据作为研究对象,预处理后沿着模型Y轴方向等距离截取得到多条悬垂轮廓曲线,经椭圆傅里叶描述后,建立起具有多层悬垂特征曲线的椭圆傅里叶拟合悬垂模型,然后对所构建的悬垂模型进行主成分和模糊C均值聚类分析。实验结果表明,该方法可有效地将不同悬垂形态织物分为3类,且各类之间界限清晰;通过对比分析3类悬垂形态特点,描述了各类悬垂形态在褶皱线条、波数和波形形状的差异。     

基于椭圆傅里叶的人体胸围断面形状研究

采用椭圆傅里叶方法对人体的胸围水平断面形态进行研究。首先说明了平面封闭轮廓的椭圆傅里叶描述和位置、尺度、方位的规格化方法;其次对459名女性和107名男性三维扫描数据提取的胸围断面曲线进行椭圆傅里叶描述;分析了不同最大谐波次数下的断面拟合误差;提出断面形状对称处理的新方法并计算了不同围度尺寸下的断面平均形态;然后对断面的形状描述进行主成分分析,得出了胸围曲线形状的主要变化趋势;最后采用BP神经网络根据断面描述对性别进行识别,测试结果显示识别准确率高。     

纺织品疵点自动识别方法研究

疵点检测是纺织品质量检验中的重要一环,因织物的组织结构多样,不同织物表面的纹理特征具有较大差异,很难建立一种通用的数学模型来描述。介绍了一种基于SVM和自适应LBP算子的织物疵点识别方法。利用自适应LBP算子的灰度不变性和自适应纹理分析性能提取图像的归一化直方图特征参数,并将其作为支持向量机的输入参数进行训练,获得支持向量。然后将支持向量机作为分类器最终实现疵点图像的识别。实验表明,该方法的准确性较高,速度快,适应性强,是一种比较理想的织物疵点识别方法。     

人体特征断面形状拟合及围度尺寸预测

首先采用椭圆傅里叶对女性的胸围、腰围和臀围特征断面进行描述,并对椭圆傅里叶描述子进行主成分分析,将各主成分与特征断面的宽度、厚度尺寸进行回归分析,实现由断面宽度、厚度测量尺寸到断面形状的逆向拟合,并根据拟合断面预测围度尺寸。然后对459个样本的各特征断面宽度、厚度和围度拟合误差进行分析,结果显示拟合误差胸围断面最大,腰围断面最小。最后还给出了各断面的宽度和厚度尺寸输入误差与断面围度尺寸预测误差的关系。研究结果可应用于人体两维摄影测量系统。     

异源图像匹配自相似性测度的快速算法

自相似性是图像特征分析的一项重要指标,将其作为异源图像的匹配测度有着很强的可靠性,但因为要在多个通道的特征图像上进行匹配,计算效率是其中的一个瓶颈问题。文章将特征图像的差平方和运算转换到频率域处理,利用快速傅里叶变换将图像特征的计算效率提高一个数量级,实现了异源图像匹配的一种快速算法。     

利用相关反馈技术和形状特征的服装图像检索算法

基于内容的图像检索在服装电子商务中是受关注的研究热点。形状特征是服装图像的最重要的视觉特征之一,但基于形状特征的图像检索一直是图像处理领域多年的难题。为了提高准确性,提出一种利用通用Fourier描述子与改进的相关反馈技术来提高服装图像检索精度的算法。通用Fourier描述子在所有形式的Fourier描述子中性能突出,同时根据样本的概率分布改进了查询向量优化算法中的权值计算方式,使相关尺度更加合理。实验结果表明所提出的算法相较于传统算法的优势。     

基于人工免疫算法的储粮害虫特征选择研究

储粮害虫特征选择是粮虫图像识别中一个关键的预处理环节.提出基于v折交叉验证训练模型识别率和所选特征个数的特征子集评价准则,将人工免疫算法应用到粮虫的特征选择.该算法从粮虫的17雏形态学特征中自动选择出面积、周长等7个特征的最优特征子空间,采用参数优化之后的SVM分类器对90个粮虫样本进行分类,识别率达到95.5%以上,并与PCA法、GA法和原始特征法进行了对比,结果表明人工免疫算法降低了特征空间的维数,提高了分类器的识别率,证实了基于人工免疫算法的粮虫特征选择是可行的.     

基于BPNN和SVM的烟叶成熟度鉴别模型

为了在烟叶采收环节中快速准确地鉴别适熟烟叶。以下部烟叶为样本,利用烟叶图像的RGB颜色特征信息,以目标区域和背景区域平均灰度值的最大对比度为依据,选取G-B图像提取烟叶目标区域。目标区域通过形态学膨胀和腐蚀运算去除噪声后,从原始烟叶图像中得到目标烟叶图像。通过MATLAB软件提取R、G、H、S、V颜色特征均值,以及能量ASM、熵ENT、惯性矩INE、相关性CORRL纹理特征,将这9个变量作为输入参数,分别建立基于BP神经网络、支持向量机的烟叶成熟度鉴别模型,准确率分别为93.83%和97.53%。试验结果表明,通过机器视觉对烟叶成熟度鉴别是可行的,为进一步研制烟叶采收机奠定了基础。      

基于稀疏字典学习的羊绒与羊毛分类

为准确鉴别羊绒与羊毛纤维,提出了一种基于稀疏字典学习的分类方法。首先,对纤维图像进行预处理实现数据增强,获取纤维图像特征矩阵;之后,对特征矩阵进行字典学习,获取过完备字典与稀疏编码;最后,通过稀疏编码与字典实现羊绒与羊毛的分类和鉴别。该方法使用光学显微镜以及扫描电子显微镜图像作为数据集,实验结果表明,与支持向量机分类器以及基于稀疏表示的分类算法相比,本文方法的分类准确率可提高5%~10%,分类准确率最高可达到91%,可用于后续实际的羊绒与羊毛纤维分类与鉴定工作。     

基于扩展Shearlet变换、Krawtchouk矩和SVM的储粮害虫分类

为了进一步提高储粮害虫的识别精度,以便更有效地防治储粮害虫,提出了一种基于纹理和形状综合特征及全局混沌蜂群优化支持向量机(SVM)的储粮害虫分类方法。首先对储粮害虫图像进行扩展Shearlet变换,利用变换系数得到能量分布均值,加权后的能量分布均值构成纹理特征向量,用Krwtchouk矩不变量描述储粮害虫的形状特征;然后将纹理特征向量和形状特征向量分别归一化,两者结合构成储粮害虫的综合特征向量;最后用全局混沌蜂群算法优化SVM的核参数与惩罚因子,并应用参数优化的SVM进行分类。结果表明:与基于Gabor小波和支持向量机方法、基于Krawtchouk不变矩和支持向量机方法相比,本方法提取的储粮害虫特征信息更加完整,识别率更高。     

曲线匹配算法及其在织物自动对花检测中的应用

针对圆网印花过程中的对花检测问题,在提出的基于机器视觉的圆网印花检测系统的基础上,提出了利用曲线匹配策略得到错花套色的位置误差矢量的方法。为了确保目标边缘图像与标准边缘图像拍摄位置相同,利用Fourier-Mellin曲线匹配,对其进行匹配消除拍摄误差;然后用基于傅里叶变换位移定理的曲线匹配算法,对调整好的目标边缘图像和标准边缘图像进行匹配,检测对花误差。该匹配策略消除了拍摄误差,数据运算量小,实验表明其检测精度和运算速度可以满足织物对花在线检测的要求。     

应用区域颜色分割的机采棉杂质检测方法

机采棉中的杂质繁杂,而杂质类型及含量对后期棉花加工工艺的影响很大。为此,提出一种应用区域颜色分割方法以检测棉花中的杂质。在图像分割中,先对滤波后的机采棉图像进行彩色梯度运算,通过扩展极小变换运算获得标记图像,在修改后的梯度图像上运用分水岭算法获得初始分割图像,然后对初始分割图像进行区域合并。区域合并过程中要综合考虑空间邻接性、颜色信息和区域面积3个因素。颜色信息主要采用饱和度、亮度、区域颜色向量模及颜色相似度4 个特征量。用层次递进的合并方法,迭代过程更新信息特征。最后通过支持向量机算法提取颜色、纹理、形状特征对杂质区域进行识别。结果表明,所提方法对机采棉中天然杂质的平均识别率为94%。