基于Gabor滤波器对织造前帘子布疵点检测研究

针对织造前帘子布纱线疵点自动检测问题,对织造前帘子布纱线疵点分布特点开展了研究分析,提出了一种基于Gabor滤波器的帘子布纱线疵点检测算法,利用Gabor滤波器的能量值来描述帘子布纱线疵点特征。通过对疵点Gabor图像阈值化处理,得到了疵点的二值图像。然后对疵点二值图像沿水平方向进行了均等分割,得到了疵点所在的条状图像并除去随机噪声。在1 792个疵点图像测试集上对不同尺度参数的Gabor滤波器进行疵点检测准确度分析,建立了最优的方向和尺度参数组合。并搭建了基于机器视觉技术的帘子布纱线疵点检测系统。研究结果表明,该检测算法对帘子布纱线疵点检测准确度达到99.2%。经过4个月生产实践表明,该系统对织造前帘子布纱线疵点检测效果比人工检测效果提高86%,实现了机器换人的目的。     

基于灰度直方图反向投影的织物疵点图像分割

针对织物的周期性纹理,提出了基于灰度直方图反向投影的疵点图像分割算法。该方法具有纹理屏蔽性,因而可以较好地分割疵点。首先介绍了灰度直方图反向投影的原理及其改进形式,然后对算法流程进行了分析并给出了几种疵点的检测结果。最后与Gabor滤波方法和灰度共生矩阵方法进行了用时比较。实验结果表明基于灰度直方图反向投影的织物疵点图像分割算法不仅效果好,而且用时短。     

基于最优PCNN模型的织物疵点自动检测

脉冲耦合神经网络(PCNN)直接来自于动物视觉特性的研究,它可以准确地检测到织物疵点的存在.但因目前理论上很难解释PCNN模型参数与图像识别效果之间的关系,为了获得较好的图像识别效果,需要多次的实验来选择PCNN模型参数.本文提出了一种根据织物纹理的特征,自动选择最优化PCNN模型参数的方法.实验结果表明,优化后PCNN模型可以有效地提取到纹理图像局部的灰度和空间邻近的特征信息,从而获得理想的织物疵点检测效果.     

基于计算机图像识别技术的坯布疵点检测研究

提出了一种新的坯布疵点检测方法:利用布匹图像的自相关函数所提取织物的纹理单元作为分割窗口,建立正常纹理与异常纹理2类样本;应用Fisher分类器,通过对布匹图像以纹理单元为单位逐次扫描进行2类判别,经过图像运算将正常类纹理单元消除,得到疵点的待测图像;再采用一些图像运算处理技术检出疵点并进行评分.进行了相应的软件编程,实验结果显示疵点识别率可达94%.     

基于改进LBP和DBN的人脸识别算法研究

针对传统LBP算法的人脸识别易受光照、背景、遮挡等因素的影响,使用改进局部二值模式(LBP)和深度信念网络(DBN)相结合的方法,用多尺度块局部二值模式(MB-LBP)算法获取人脸图像的纹理特征,在此人脸纹理特征的基础上使用中心对称局部二值模式(CS-LBP)算法获取图像的纹理特征,然后将两次获得的纹理特征图像的直方图进行融合,并将其输入到DBN中进行训练,优化网络参数。     

用于光学薄膜缺陷检测的快速图像分割算法

为减少光学薄膜缺陷的漏检和误判,提高检测的快速性,提出了一种基于误差修正理论的图像分割算法.该算法接受带有随机误差的背景图像,并以各像素点灰度值残余误差与标准差的偏离程度作为分割依据,最终将缺陷检测转化为粗大误差判别.该算法使每个像素点都具有一个自动更新的最佳分割阈值,可改善全局或局部阈值分割不彻底的缺点.由于在系统初...     

面向参数测量的改进分水岭浮选泡沫图像分割方法

矿物浮选过程中泡沫参数与工况密切相关,针对泡沫中特殊区域(透明窗、黑洞和泡沫间光亮带)的存在而导致参数难以测量的问题,提出了一种基于局部纹理特征和自适应形态学的改进分水岭分割方法.首先针对现场光照不均,采用自适应多尺度Retinex算法进行图像增强.然后使用快速自适应阈值法提取高亮区和暗区,并结合先验空间关系实现透明窗标定;基于LBPV纹理算子实现暗区的区域生长以标定黑洞和识别泡沫间光亮带,进而完成对特殊区域的处理并获得透明窗和黑洞指数.最后采用自适应形态学获得多尺度梯度图像和标记点,使用改进的分水岭算法完成泡沫图像的分割.结果表明,该方法能够更准确的处理含特殊区域的粘连不均匀泡沫图像,对不同工况下泡沫参数测量有更好的鲁棒性,浮选优良工况率提高了5％.     

基于对称差分和特征匹配的纱线运动疵点实时检测

针对纱线高速运动时无法实时准确检测疵点的问题,提出了一种高速纱线的实时疵点检测算法,该算法适用于实时处理大容量图像和高速移动纱线疵点检测.该算法通过将对称差分算法和连通域特征匹配方法相结合,提高了纱线疵点检测准确性,同时缩短了处理时间.首先对图像进行了预处理,再使用对称差算法分解疵点图像并提取了图像疵点特征,然后使用连通域特征匹配方法识别了疵点.改进了传统差分算法无法抗抖动缺点,比较完整地保留了疵点信息,构造了识别能力特别强的特征匹配方法.最后,将该算法疵点检测的准确性和检测速度与现有检测方法进行了对比分析.研究结果表明,该算法在准确性方面优于人工检测及传统差分算法,检测速度相对神经网络和传统差分算法有所提高,该算法能够在实现实时、快速检测疵点的同时保证检测疵点检测的准确性.     

局部纹理特征改进空闲车位智能检测算法

针对车辆数量的爆炸式增长而智能停车场车位检测速度慢、正确率低的问题,提出了一种基于局部二值纹理特征改进的空闲车位检测算法,算法首先将监控摄像机采集的车位图像降噪滤波后转化为局部二值模式,然后通过结构模板集提取图像的局部二值纹理特征,作为空闲车位和有车车位的识别特征,最后通过核Fisher判别方法实现空闲车位的检测。实验结果表明,所提方法对空闲车位的正确检测概率达到91.57%,对有车车位的错误检测概率只有4.46%,满足停车场空闲车位自动检测的要求,检测性能优于实验中采用的对比方法。     

基于均值漂移与自适应阈值分割的刀具磨损检测方法

针对车刀表面粗糙度大、磨损区域图像难以准确分割的问题,提出一种基于均值漂移和自适应阈值分割的刀具磨损检测方法.这一方法通过频率域滤波过滤图像中无效的高频噪声信息,对降噪图像进行形态学处理.利用均值漂移聚类算法进行预分割处理,简化纹理信息,并突出磨损区域特征.通过自适应阈值分割算法准确提取刀具磨损区域,同时计算刀具的磨损宽度均值.试验表明,采用所提出的刀具磨损检测方法,分割准确率达到97.96％,能够有效判别刀具的磨损状态.