经编机布匹瑕疵的在线视觉检测

为实现经编机织布过程中布匹瑕疵的实时检测,提出了一种基于机器视觉的实时检测方法。离线训练时分别学习有瑕疵和无瑕疵纹理布匹图像,自动求取纹理基元周期和纹理方向,用以构建实用的两方向Gabor滤波器组,进而提取有和无瑕疵图像特征。在线检测时,以离线所构建的Gabor滤波器组分解图像,以离线所求取的参数窗口化Gabor子图,进而提取子图特征并采用特征变化率来代替原始特征的方法以消除光照不均影响。实验表明,该方法可以适应不同纹理布匹检测需求,消除光照影响,布匹检测准确率高达99%,检测一帧（54 pixel×600 pixel）的平均时间为100 ms,实时性和准确性高,可实现经编机布匹瑕疵的在线实时检测。     

一种新的Gabor优化选择检测算法及应用

针对基于Gabor小波的布匹瑕疵检测运算量大,准确率较低等问题,提出了一种新的优化选择算法,即均值归一化方差算法。布匹瑕疵图像通过多通道Gabor小波;分别计算各通道滤波图像的均值和方差;计算方差与均值的比值,选择比值最大的通道作为优化选择通道。考虑到布匹瑕疵主要表现为经向与纬向瑕疵,因此基于该算法设计了1×2二维Gabor小波布匹瑕疵自动检测系统,降低了运算量,提高了准确率,达到了93%。     

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。     

基于模板匹配单色布匹瑕疵检测算法

提出一种基于模板匹配的单色布匹瑕疵检测算法,该检测算法首先存储待测布匹的无瑕疵模板图,并对模板图进行分块,然后对待测样本图进行相同的分块操作,进一步利用模板匹配方法对相同分块区域的样本图与模板图进行匹配查找,得到最优匹配图像.在匹配过程中,对模板图按照一定比例进行扩充,以提高匹配的准确性.最后将样本图与最优匹配图像进行差值对比实现布匹瑕疵检测.实验结果表明,算法弥补了传统Gabor算法高度依赖纹理的缺陷,提高了对于纹理模糊的单色布匹瑕疵检测准确率,检测效率与精度满足验布现场需求.     

基于改进部分卷积的瑕疵布匹图像生成算法

针对工业生产中布匹瑕疵自动化检测模型训练时缺少带瑕疵位置信息的瑕疵布匹图像数据集的问题,本文提出了一种以改进的部分卷积网络作为基本框架的带瑕疵位置信息的瑕疵布匹图像生成模型EC-PConv.该模型引入小尺寸瑕疵特征提取网络,将提取出的瑕疵纹理特征与空白mask拼接起来形成带有位置信息和瑕疵纹理特征的mask,然后以修复方式生成带有瑕疵位置信息的瑕疵布匹图像,另外,本文提出一种结合MSE损失的混合损失函数以生成更加清晰的瑕疵纹理.实验结果表明,与最新的GAN生成模型相比,本文提出的生成模型的FID值降低了0.51;生成的瑕疵布匹图像在布匹瑕疵检测模型中查准率P和MAP值分别提高了0.118和0.106.实验结果表明,该方法在瑕疵布匹图像生成上比其他算法更稳定,能够生成更高质量的带瑕疵位置信息的瑕疵布匹图像,可较好地解决布匹瑕疵自动化检测模型缺少训练数据集的问题.     

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。     

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。     

用于分割双纹理图像的最佳单Gabor小波参数的反馈系统

设计了一个对分割双纹理图像的最佳单Gabor小波参数进行自适应调整的反馈系统。该系统利用Gabor小波的带通特性使某一频率的纹理通过，而另一频率的纹理受到抑制，由RBF神经网络对预处理后的图像参数进行估计，求出最优分割阈值。以分割阈值误差率为反馈量对Gabor小波参数进行自适应调整，从而得到最佳Gabor小波参数。实验证明，该系统对双纹理图像的分割达到了预期的结果。     

基于机器视觉的纺织品缺陷检测系统的研究与实现

布匹缺陷检测是纺织行业生产过程中布匹质量得以保障的重要环节,机器视觉技术的发展使得利用数字图像处理技术来检测布匹缺陷成为可能。设计通过分析摄像机采集的布匹纹理特征,应用机器视觉技术判别出布匹上的瑕疵,并进行布匹瑕疵数据分类管理。摄像机实时采集的布匹图像经过ROI提取、图像预处理、图像增强、图像分割、灰度图像二值化、提取特征区域轮廓等操作即可判别布匹中所含缺陷。     

基于视频图像的车辆目标识别

针对目前数字图像目标识别方法中存在识别精度和实时性的问题,该文提出一种结合Gabor小波和神经网络的图像目标识别方法。该方法首先对图像进行预处理、用Canny算子进行边缘提取,然后通过神经网络获取最优的双Gabor小波复合滤波器参数,再采用参数优化过的滤波器组提取目标的特征向量,最后进行目标的分类和识别。实验表明这种方法鲁棒性好、识别率高,具有较广泛的实际应用价值。     

基于最优Gabor滤波器的织物缺陷检测

织物缺陷的自动检测是纺织行业所面临的技术难题之一。为了对织物缺陷进行快速准确的自动检测，建立了一种基于Gabor滤波器的织物缺陷自动检测方法，即首先根据无缺陷织物的结构特征，应用小生境遗传算法寻找最优的Gabor滤波器参数和分割阈值；然后将待检图像通过滤波和分割来得到检测结果，同时根据响应矩阵的极小值点来计算缺陷的形状特征。该方法应用于帘子布的缺陷检测的实验结果证明，该方法是可行的和有效的，而且还具有适用性广、识别能力强、检测速度快等特点。     

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。     

方向性纹理织物疵点检测方法研究

通过分析方向性织物纹理的特点,提出了一种织物疵点检测新的方法。首先根据正常纹理Hough变换确定织物纹理的纹路方向;然后采用方向性小波对织物纹理图像进行方向性的分解,并在此基础上从分解后的各细节子图中提取子窗口的特征;最后通过BP神经网络进行织物疵点识别。实验结果表明了该方法的有效性。     

基于Gabor滤波器和HOG特征的织物疵点检测

针对织物疵点检测问题,提出了一种基于Gabor滤波器和方向梯度直方图（HOG）特征的织物疵点检测算法。首先使用3个尺度、4个方向的Gabor滤波器组对织物图像进行滤波,并做融合处理,增强织物图像疵点区域和背景纹理之间的对比度;然后使用双边滤波减弱图像背景纹理和噪声的影响;最后将图像划分成均匀子块,提取每个子图像块的HOG特征,利用图像疵点区域和背景纹理的HOG特征差异进行阈值分割实现织物疵点的检测。实验选取5种常见织物疵点进行验证,并与传统的Gabor滤波算法进行了实验对比,结果表明该算法可以较好的抑制织物背景纹理的干扰,更加准确的检测出织物疵点。     

An automated inspection system for textile fabrics based on Gabor filters

This paper studies the application of advanced computer image processing techniques for solving the problem of automated defect detection for textile fabrics. A new defect detection scheme is proposed, which consists of an odd symmetric real-valued Gabor filter, an even symmetric real-valued Gabor filter and one smoothing filter. In developing the scheme, the Gabor filters are designed on the basis of the texture features extracted optimally from a non-defective fabric image by using a Gabor wavelet network (GWN). The performance of the proposed defect detection scheme is evaluated off-line by using a set of fabric images taken from a database consisting of a wide variety of homogeneous fabric images. The results exhibit accurate defect detection with low false alarms, thus showing the effectiveness and robustness of the proposed scheme. To evaluate the performance of the proposed defect detection scheme further, real-time tests are conducted by using a prototyped automated defect detection system. The experimental results obtained further confirm the efficiency, effectiveness and robustness of the proposed detection scheme.     

基于Gabor小波变换的帘子布疵点检测研究

Gabor小波变换已经成功地应用到各种机器视觉实例中,如纹理分割、边缘检测等。给出了一种基于多通道Gabor滤波器技术实现高速实时帘子布疵点检测方法。在多尺度多方向上分别对具有规则纹理结构的织物图像进行Gabor滤波,并对滤波后的多幅子图像进行融合分割处理,将疵点从织物背景中分割出来,从而实现对织物疵点的实时检测。该方法用于帘子布的缺陷检测,具有识别能力强、实时性好等优点,实验结果证明该方法是有效可行的。这种方法也可以用于检测有规则纹理结构的表面及物体。     

硅太阳能电池纹理缺陷检测

为实现硅太阳能电池纹理缺陷检测,提出一种采用方向可变滤波器组并结合Hough变换的检测方法。通过方向可变滤波器提取图像边缘并采用Hough变换确定纹理方向,采用角度与纹理方向一致的方向可变滤波器滤波,实现消除规则直线纹理,保留纹理缺陷特征。对滤波后的纹理缺陷结果图像采用双阈值法,以确定纹理缺陷所在的位置。和Gabor滤波器及小波滤波器的比较实验结果表明：该方法比前两种方法能更有效地进行硅太阳能电池纹理缺陷检测。     

Gabor小波变换在帘子布疵点检测中的应用

给出一种基于多通道Gabor滤波器技术实现高速实时帘子布疵点捡测方法。在多尺度多方向上分别对具有规则纹理结构的织物图像进行Gabor滤波,并对滤波后的多幅子图像进行融合分割处理,将疵点从织物背景中分割出来,从而实现对织物疵点的实时检测。该方法用于帘子布的缺陷检测,具有识别能力强,实时性好等优点。可以用于检测有规则纹理结构的表面及物体。