图像识别与纺织品检验

综述了目前国内外计算机图像识别技术在纺织行业中的应用，总结了计算机图像识别的常用方法，以期为织物疵点计算机图像处理分析提供参考。     

丝织物疵点智能化判别

2.3图像分割织物纹理是识别过程中主要的一个障碍。为了避免纹理对识别造成影响,我们用了图像分割法。也就是先用一个小窗口作为运算单元,对整个图像数据进行了计算,求出每个小窗口的平均值,并将其作为新的图像数据。一般没有疵点部分的织物图像数据平均灰度值基本在一定的范围内波动,没有大的变化,得到的新图像比较均匀。当疵点存在时,织物灰度平均值有变化,跟周围区域形成较明显的对比。对图像进行分割时一个关键步骤是选定小窗口的大小,不要选的过大或过小,以免将有疵点区域判为无疵点区域,或将一些正常的疵点区域也判为有疵点区域。对平…     

织物疵点检测与神经网络技术

本文用灰度统计量法对丝织物疵点图像进行了检测。并用神经网络技术对检测结果进行了分析和分类。     

丝织物疵点智能化判别

主要对平纹、斜纹和缎纹组织丝织物的一些常见疵点，如档疵、缺纬、缺经、重纬、油污等进行了智能化判别。先用SONY数码相机在黑色的背景下对疵点进行了拍照得到了图像数据，然后用一系列图像预处理法，如直方图处理变换增加了织物图像的对比度、用计算得到的阈值对织物进行了二值化处理、滤波方法消除二值化处理后图像噪声等，从织物纹理分离出疵点部分，得到了可以分析的织物疵点图像。用灰度统计法对预处理得到的织物疵点图像进行了分析，得到了织物各疵点基本特征值信息。织物疵点智能化判别是用BP神经网络进行的，首先对BP神经网络进行了训练，然后将灰度统计法得到的疵点特征值信息输入到BP神经网络，对疵点进行了分类。