基于改进自适应小波基的织物疵点检测算法

为了改进基于自适应小波的织物疵点检测效果,提出一种基于改进自适应小波基的织物疵点检测算法。首先通过不同限定条件优化得到多个自适应小波基;然后分别对疵点图像进行小波分解,采用最大类间方差法分割子图像;最后将多种自适应小波基分割后的图像进行融合得到检测结果。实验结果证明,该算法能够在较好保留疵点信息的同时,有效地减少检测结果中的噪声点。     

基于二层自适应正交小波的疵点检测

本文提出了基于二层自适应正交小波的织物疵点检测方法。首先介绍了织物纹理图像的二维正交小波变换．在此基础上借鉴Daubechies小波构造过程，阐明了二层自适应正交小波的构造方法，然后对图象进行二层小波分解。分别比较无缺陷图像与待检测图像二层分解后的纬向和径向子图像，得到纬向和径向疵点信息，最后将两个方向上的疵点信息融合．得到检测结果。实验证明该方法是有效的。     

基于二层自适应正交小波的疵点检测

本文提出了基于二层自适应正交小波的织物疵点检测方法.首先介绍了织物纹理图像的二维正交小波变换,在此基础上借鉴Daubechies小波构造过程,阐明了二层自适应正交小波的构造方法,然后对图象进行二层小波分解,分别比较无缺陷图像与待检测图像二层分解后的纬向和径向子图像,得到纬向和径向疵点信息,最后将两个方向上的疵点信息融合,得到检测结果.实验证明该方法是有效的.     

基于小波提升格式的织物疵点检测

为了满足织物疵点检测快速而准确的要求,提出了一种基于小波提升格式疵点检测的新方法。首先根据已知滤波器,通过提高消失矩阶次构造与织物纹理相匹配的小波。在此基础上,对构造小波的滤波器进行提升和对偶提升,来获得不同的提升算子和对偶提升算子,从而实现小波的提升分解。最后提取小波分解后的高频子图细节特征,通过与正常织物高频子图细节特征相比较,从而实现疵点检测。实验证明了该方法是可行有效的,检测准确率达到92.5%以上。     

基于改进自适应阈值的织物疵点检测算法研究

提出了一种改进的自适应阈值算法.首先引入前置低通滤波器,降低局部纹理的复杂性,同时较好地保持疵点区域,然后对滤波后的织物图像进行自适应阈值分割,可获得较好的分割效果.实验结果表明,该算法对简单纹理和复杂纹理的织物图像均具有较好的分割结果.     

基于小波纹理特征的织物疵点检测

利用织物的纹理正常部分与疵点在小波系数的分布范围不同,加以分离;在先前的纹理疵点检测方法里,一般必须训练纹理的正常部分,为了解决这个问题,提出一个利用疵点与正常部分在影像上的特性差异来自动决定训练区块的方法,可以使图像在输入的时候,重新取样训练,降低了因环境变化而造成的检测错误发生率.     

基于离散小波变换的织物疵点检测方法

提出了一种基于离散小波变换的织物疵点检测新方法。首先通过对采集织物图像进行小波变换,然后把子图分割为相互连接、互不交叠的子窗口,计算每个子窗口小波系数的标准差作为特征值,最后对这些特征值再次计算标准差与极差,以此作为依据与正常织物进行比较,实现对织物疵点的检测。通过对不同疵点进行检测实验,证明了该算法是可行有效的,检测的正确率平均可达90%以上。     

基于Radon小波低分辨率的织物疵点检测算法

针对纺织过程中可能出现的瑕疵问题,提出了一种新的织物疵点分割方法--四分法和织物疵点特征提取方法--Radon小波低分辨率特征(RWLRC)。该算法先将织物图像经过Gabor滤波器预处理,再将预处理之后的织物图像等分成四部分,通过4部分的最大值与最小值确定阈值并分割。将疵点形状的二值图像进行Radon变换并得到特征曲线,应用Mallat塔式分解算法进行特征降维,最后由神经网络进行状态识别和特征分类。实验结果表明,四分法无需与正常织物对照分割,具有自适应性,Radon小波低分辨率特征的特征值只有3维,具有特征维数低、疵点形状描述准确等特点,所提方法可以有效检测与识别缺纬、缺经、油污、漏洞等常见疵点。     

基于织物结构特征和小波变换的快速疵点检测

给出了一种利用小波为分析工具,基于织物采样图像进行疵点检测的新方法.首先对织物疵点图片进行了奇偶行列采样抽取,得到奇偶两幅子图像并使得图像的总数据变为原来的二分之一,然后再进行小波变换.在进行小波变换时,采用邻域插值,使得紧支撑小波滤波器的系数序列得到缩短,并可以由原来的滤波器系数计算出缩短后的滤波器系数.实验结果表明该方法可以在保证检测效果准确性的同时,大幅减少数据计算量、提升检测速度.     

基于小波分析的织物疵点自动检测方法研究

本文提出了一种织物疵点自动检测方法,用具有高分辨率的CCD摄像头在可移动云台及可调标准光源的照射下捕获织物图像并存储,然后使用数字图像处理方法和小波变换技术将织物图像中的疵点部分分离出来进行识别。该方法其具有检测速度快、定位准确等优点。     

基于特征残差的色织物瑕疵检测

为解决自动织物瑕疵检测算法中,未知花色织物瑕疵检测困难的问题,提出了一种基于特征残差的色织物瑕疵检测方法.首先使用瑕疵织物图像与模板织物图像的瑕疵残差和正常无标注织物图像进行融合,生成新花色瑕疵织物样本;然后改进特征提取网络采用共享权值方法,对瑕疵织物和模板织物提取特征后计算得到特征残差;最后使用ROIAlign方法将全局上下文信息缩放到和感兴趣区域统一大小后进行特征融合,对融合特征进行瑕疵分类和位置回归.实验针对不包含未知花色和包含未知花色的不同测试集分别进行算法测试实验,结果表明改进后的算法能够较好地消除织物花色对检测结果的影响,在不包含未知花色的测试集中精度得到了较大的提升,在包含未知花色的测试集中,瑕疵检测效果依旧保持不错的精度,相较于改进前的通用算法,最终score分别提升了15.4％和16.2％.     

基于边缘检测的斜纹布匹瑕疵检测

为了对布匹瑕疵进行快速准确的检测,提出了一种基于边缘检测的新算法。利用布匹图像中瑕疵与正常纹理产生的纹理边缘,将布匹瑕疵作为正常纹理的边缘检测出来。利用Sobel算子的方向性,分别对织物疵点在水平和垂直方向进行增强,计算出RGB图像中水平与垂直方向的梯度后进行边缘检测,通过图像融合和二值化完成最终检测。实验证明,该方法准确性高并且检测速率大大提高。     

基于图像能量的布匹瑕疵检测方法

为了满足布匹瑕疵检测的准确性和实时性要求,通过对几种纹理分析方法的讨论,提出了一种基于能量的瑕疵检测方法;该方法利用图像极坐标系下的傅立叶频谱,得到图像纹理频谱能量的分布情况;由于纹理的空间周期性,其图像的能量在对应的频率处会有峰值出现;如果将这些频率处集中的能量置零,通过傅立叶逆变换得到的图像纹理会被模糊甚至去除,瑕疵与纹理的对比度得到增强;这时再进行边缘检测和二值化处理,即可将瑕疵从背景中提取出来,从而完成瑕疵的检测;实验证明,该方法检测速度快,准确率高,能够满足检测要求。     

小波分解在带钢缺陷检测中的应用

光照不均会降低带钢图像的质量,在研究带钢缺陷特点的基础上,提出一种新的带钢缺陷检测方法。首先,对图像取对数处理并进行小波分解,其次分别对小波分解的子图进行同态滤波,然后对滤波后的子图进行中央周边差操作形成差分子图,在此基础上,对差分子图进行融合处理并取指数处理得到高对比度的缺陷图像,最后采用Otsu分割方法对缺陷图像分割。实验结果表明,该方法能增强缺陷图像对比度,图像细节部分清晰,同时可抑制噪声的影响,能够有效地实现缺陷图像的分割。     

机器视觉在织物疵点检测上的应用研究综述

随着机器视觉在各个领域的广泛应用和大面积实施,关于机器视觉在纺织生产和质量控制上的应用也成为了研究热点。介绍了织物疵点机器视觉检测系统的硬件选择与布置,重点介绍了光源和相机的选取。根据检测原理的不同,将机器视觉检测方法分为统计法、频谱法、基于学习的方法以及结构法和模型法,并对这些方法做了综述。梳理分析了机器视觉在织物疵点检测方面所面临的问题和未来发展构想。     

基于图像距离差的织物疵点检测算法

本文将机器视觉与数字图像处理技术引入到织物疵点检测中,提出了一种织物疵点检测算法——图像距离差算法。该算法可使用户根据织物的类型,自行设置相应的疵点检测控制参数,能够检测出三十多种常见的疵点。实验证明该算法具有识别正确率高,识别速度快等优点。     

基于自编码器图像重构的织物瑕疵检测算法

针对含周期图案织物瑕疵检测通常要计算周期，而这又不适应纯色织物，本文提出适应2类织物的检测方法。首先设定检测块大小，按其在无瑕疵图像中随机提取图像块，并训练自编码器。然后将待检图像按设定大小分块，用自编码器重构，并计算重构前后的均方误差。最后对计算结果进行异常值检测，均方误差值偏大的为瑕疵块。实验表明，本文算法适应2类织物，容易实现，检测效果较好。     

基于视觉感知机制的织物疵点轮廓检测

针对传统人工织物疵点检测存在的误检及低效等问题,提出了一种基于视觉感知机制的自适应织物疵点轮廓检测方法.首先,模拟视觉系统中视网膜感受野对视觉信息的处理机制对织物疵点图像进行滤波及疵点增强;其次,依据初级视皮层(V1)区对视觉信息响应的方向选择性机制构建织物疵点图像边缘检测模型,实现对织物疵点图像的边缘检测.最后,采用自适应阈值选择的方法对检测到的边缘进行二次处理,获得织物图像疵点的轮廓.为验证本文方法的有效性和准确性,对4类织物疵点图像进行测试,并定性和定量两方面进行比较分析,结果表明文中提出的方法能够较好地检测出织物疵点轮廓信息,不仅可以得到质量较高的织物疵点轮廓图像,而且在整个检测过程中能够自适应的选择参数,避免受人的主观因素影响,具有实际的应用价值.     

基于改进Gabor优化选择的布匹瑕疵检测方法

针对传统Gabor优化选择方法用于布匹瑕疵检测时准确率低、鲁棒性差的缺点,提出了改进的优化选择方法,通过瑕疵图像与标准图像Gabor滤波后分块子图均值差平方和的代价函数实现优化选择。设置一组不同方向和尺度的Gabor滤波器并提取标准图像滤波后相关参数,通过改进的优化选择方法实现滤波后瑕疵图像的最优选择,利用迭代式阈值分割对最优滤波后图像进行二值分割,根据分割后图像的像素信息检测是否含有瑕疵并输出瑕疵信息。实验验证该方法,并与传统优化选择方法对比分析,结果表明该方法运算量较少,且检查性能高,可满足在线检测要求。