小波分析理论在织物起毛起球图像消噪中的应用

小波变换具有多分辨率的特点,在时域和频域都有表征信号局部信息的能力,从而使得小波分析理论在图像处理等领域得到广泛的应用。本文基于Matlab数学分析工具环境下从实验角度出发,探讨了其在织物起毛起球图像消噪中的应用。     

织物起毛起球图像的小波消噪处理及其Matlab实现

利用Matlab强大的图像处理工具箱和小波工具箱，对起球织物图像进行消噪处理。结果表明这种方法是行之有效的。     

Matlab用于织物起毛起球图像的小波消噪处理初探

文章利用Matlab强大的图像处理工具箱和小波工具箱,对起毛起球织物图像进行消噪处理。研究结果表明,这种方法是行之有效的。     

基于小波变换与形态学的织物毛球检测

在织物起毛起球的检测过程中,织物纹理信息的滤除是织物起毛起球图像处理过程中的关键一步,虽然现有的方法也取得了一些成果,但仍有需要改进之处。针对此,本文提出对织物起毛起球图像进行预处理,然后进行纹理分割;重点研究了采用二维离散小波变换对起毛起球图像进行多分辨率分解与重构,并根据每层分解后高频能量的变化确定纹理与毛球的最佳分割层次;最后运用数学形态学的腐蚀、膨胀对图像进行增强,分割出完整清晰的毛球图像。     

基于频率信息的织物起毛起球等级检测

针对织物毛球含有的信息和织物纹理结构等干扰信息频率不同的特点,采用Haar小波变换将图像按频率分层,依据纹理结构产生频率信息在数量上的优势,以及纹理信息分解的方向性和毛球信息分解的各向异性,找到纹理及毛球所在频率层。在毛球层上计算起毛起球密度,毛球大小,毛球形状等特性参数,进而依据这些参数实现未知织物类型的起毛起球等级判定,判定准确率达到91.3%。     

织物起毛起球的因素分析

本文从原料、纺纱、织物设计、后整理工序以及服用条件等各方面系统地分析了织物起毛起球的影响因素并提出了相应的预防措施。     

基于小波分解系数的织物图像分类分割

 针对既考虑颜色域又考虑空间域的分割算法对小纹理织物图像产生较大分割失真,而只考虑颜色域信息的算法又对大纹理粗糙图像的纱线缝隙不能有效去除的问题,提出了基于小波分解能量的织物分类算法,先判断出织物粗糙与否,再选用相应算法分割。发现由纱线缝隙等造成的较大纹理主要存在于小波变换的2、3级细节图像上,通过计算这两级的分解系数能量和,判断是否属于大纹理织物,再依据2、3级的能量比判定粗糙程度,实现对织物的分类分割。     

基于小波分析与纹理能量变换的织物疵点检测

为了准确检测织物疵点,将含疵点织物图像进行二维小波分解,在小波分解后的经向和纬向子图上将图像分成大小相同的矩形局部重叠窗口,对矩形窗口进行laws纹理能量变换,并将变换结果与给定的阈值进行比较,进而检测和识别出疵点.试验证明,该方法对素色织物的断经、缺纬具有快速、准确的检测效果,也可以检测双经、双纬等疵点.     

应用小波域高斯差分滤波的起球疵点客观评价

受织物背景纹理多样性以及起球疵点特点的影响,传统的图像处理算法难以满足起球疵点自动检测和客观评价需要,为此,提出一种基于小波域的高斯差分滤波起球客观等级新方法。首先,对起球疵点图像进行小波多层分解,实现周期性背景纹理信息与起球信息的分离;然后,选择合适的小波分解子图进行高斯差分滤波,消除噪声以及光照不均等缓变的背景信息,提高起球信息的显著度;在此基础上,根据起球特征设定阈值对起球疵点图像进行分割,并提取起球特征;最后,通过人工神经网络进行起球疵点客观等级评价。试验结果表明,本文方法用于起球疵点客观等级评价是可行且有效的,且具有较强的抗干扰能力。     

织物起毛起球的定量评价与测定

本文根据织物表面对经光泽度与表面粗糙度的相关研究了织物毛起球程度与正反射光强的相关关系。     

织物起毛起球的分析与测试

简述了织物起毛起球的形成机理和影响织物起毛起球的因素，介绍了控制织物起毛起球的方法及各种不同的检测方法，以及不同国家检测标准的要点。     

基于标准样照与图像分析的织物起毛起球评等方法

为使织物起毛起球等级评定更为客观,尝试运用图像处理技术解决这一问题。首先扫描光面精梳毛机织物起毛起球标准样照（GB/T4802.3—2008）,运用傅里叶变换技术将样照图像转换到频域,在频域中滤除代表织物纹理的信息,经傅里叶逆变换得到滤波后的标准样照图像。然后采用增强的OTSU动态阈值法,增强图像中的毛球信息,提取图像中毛球的面积,计算其所占图像总面积的比例。在此基础上,建立毛球占图像总面积的比例与织物起毛起球等级之间的关系。最后通过对实际织物分析评等,验证了这种方法的可行性。     

织物抗起毛起球新技术现状分析

介绍了目前一些纺织品的起毛起球成因,分析了纤维、纱线、织物、加工及服用等因素对起毛起球的影响。根据不同种类的纤维和织物（棉麻、涤纶、腈纶、毛）,提出了相关的抗起毛起球新工艺。     

织物起毛起球测试方法的研究

本文采用圆轨迹法和改型马丁代尔法两种测试方法对不同织物起毛起球进行测试,研究不同方法、不同磨料对织物起毛起球的影响。     

基于图像处理的织物起毛起球分级研究

为了对织物起毛起球等级做出客观、准确、定量的分析和评定,提出基于图像处理的织物起毛起球检测和分级方法;选用起毛起球织物样本验证起毛起球分级算法设计的有效性,设计制造起毛起球分级测试仪。起毛起球分级算法利用面阵CCD相机采集织物起毛起球图像,综合采用光照不均匀处理、图像均衡化、去噪、边缘检测等预处理方法,增强起毛起球图像信息;运用合适阈值二值化和形态学联合操作分割出起毛起球信息;以起毛起球面积比作为分级特征值实现分级。结果表明:该方法能有效滤除各种干扰信息,得到有效的起毛起球图像,实现1～5级织物起毛起球等级的准确评定。     

基于快速傅里叶变换与织物纹理能量算法的起毛起球织物纹理滤除

在织物起毛起球图像处理过程中,织物纹理信息的滤除是实现毛球分割至关重要的一步,而不同的图像包含的纹理、毛球信息不同,在用傅里叶变换对图像进行处理时需要采用不同滤波半径。因此,在处理过程中选取的滤波半径是实现纹理滤除的关键因素。本文将快速傅里叶变换与织物纹理能量的算法相结合,根据能量2次差值拟合曲线实现毛球与纹理分离时最佳滤波半径的自动获取,然后通过反傅里叶变换得到分离的纹理信息和毛球信息,实现织物纹理的滤除,最后分割出完整的毛球信息。     

织物起毛起球测试方法的研究

本文采用圆轨迹法和改型马丁代尔法两种测试方法对不同织物起毛起球进行测试,研究不同方法、不同磨料对织物起毛起球的影响。     

基于尺度-空间极值的织物起球目标检测

针对织物起球等级客观评估中的起球特征提取问题,提出了一种基于尺度-空间极值的毛球目标检测算法。首先建立各向异性高斯毛球目标模型,然后应用高斯尺度空间理论及精简的各向同性毛球目标模型,构造与该目标模型最优匹配算子近似的高斯偏导多项式作为检测算子,以其匹配能量输出作为尺度选择依据,并根据尺度-空间极值原则,定位并确定毛球目标的各向同性尺度,再基于此尺度下的局部结构张量矩阵估计各向异性高斯模型参数,最后根据该模型对毛球进行局部分割和识别。实验结果表明该算法能够较好地识别和分割毛球。     

基于改进的小波分解织物疵点检测

采用小波分解的改进方法,运用二维离散小波变换进行分解,有效地从图像中提取信息,分析织物的纹理特征并进行相应处理,实现目标图像的特征提取和输入LMBP神经网络进行学习训练。实验结果表明,对油污、破洞、断经、断纬能比较准确地识别和定位,可快速有效地进行织物疵点检测。     

基于小波分解和奇异值分解的织物疵点检测

探讨基于小波分解和奇异值分解的织物疵点检测效果。运用三种算法进行了织物疵点检测。采用基本奇异值分解法进行机织物疵点检测,检测结果受噪声影响较大;采用Haar小波对待测图像进行除噪,边缘检测性较弱。利用Gabor小波良好的图像边缘敏感度、方向和尺度选择性,进行图像滤波,再进行SVD分解。结果表明:Gabor小波和SVD的融合算法可以对图像多种方向多种尺度进行调节,检测效果较好。认为:Gabor小波和奇异值分解相融合算法可应用于机织物疵点检测。