织物表面纹理疵点自动检测

根据织物纹理和疵点频谱的不同分布,提出织物疵点检测的新方法。在织物纹理和疵点分类的基础上,通过傅里叶变换获得频谱图。设计频域滤波器抑制正常纹理频谱信息,通过重构对灰度图像进行分割,实现疵点与正常织物纹理的分离。实验结果表明该方法是有效的。     

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。     

基于傅里叶特征谱和相关系数的织物疵点检测

为提高织物疵点自动检测的准确度,提出一种基于傅里叶特征谱和相关系数的织物疵点检测算法。以平纹、斜纹织物为研究对象,对织物图像进行傅里叶变换,得到织物图像的频谱图;定位频谱中的特征峰点,提取表征图像灰度、纹理的五个特征值;以正常织物为模板,计算待检图像特征值与模板图像特征值之间的相关系数,确定用于识别织物疵点的阈值,来实现织物疵点检测。实验结果表明:当阈值设定为0.80时,该算法能够实现稀密路、断经、吊经、纬缩、破洞等常见疵点的准确检测。     

基于PCNN的织物疵点边缘检测

由于纱线的螺旋性、粗细不匀和织物的柔性形变,使得织物的纹理带有较大的不规则性。 用基于特征或模型的分割方法识别织物纹理图像的疵点,效率较低,准确性较差。针对这个问题,提 出了一种基于PCNN的算法,它利用织物表面疵点区域的灰度强度不同于织物表面图像的灰度强度, 根据PCNN神经元是否点火,来获取织物疵点信息;然后将所提取的特征点按作用范围膨胀,并用 CANNY算子分割出织物疵点,提取织物疵点边缘。实验证明这种方法能有效地获取织物疵点特征, 并得到较为理想的边缘检测效果。     

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。     

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。     

基于频域滤波的织物疵点检测

根据织物纹理和疵点的频谱不同分布,提出了织物疵点检测的新方法。首先在研究织物纹理分类的基础上,通过傅立叶变换获得频谱图像;然后设计频域滤波器抑制正常纹理频谱信息,通过重构灰度图像,把灰度图像分割成若干子窗口;最后将统计子窗口方差作为特征值与设定的阈值比较,从而判别是否存在疵点。实验结果表明该方法是有效的, 检测正确率达到90%以上。     

基于EM算法的高斯混合型的织物疵点检测研究

为准确检测织物在生产过程产生的疵点,提出了一种基于EM算法的高斯混合模型的算法来实现织物疵点的自动检测。由于织物背景纹理信息对织物疵点检测影响较大,采用均值采样对其进行预处理来消除背景纹理的影响,用高斯混合模型对新得到的图像进行处理。在进行高斯混合模型计算时分为E步骤、M步骤。E步骤初始化参数,计算样本像素的后验概率,M步骤更新高斯混合模型中的各参数。根据计算各像素的后验概率判断各像素点应该属于疵点部分还是非疵点部分。实验结果证明该算法能检测、分割出较多种类的织物疵点,具有较好的有效性和可靠性。     

基于纹理边缘周期性与局部方向性的织物疵点检测

根据织物纹理图像自身的特点,提出一种基于纹理边缘周期性与局部方向性的织物疵点检测新方法。通过正常纹理边缘的周期性与方向性特征剔除同类有疵点纹理图像的背景纹理信息,突出疵点信息,进而快速有效地检测出无特定方向的织物疵点。经过对大量常见织物疵点图像的检测实验,表明该方法对于纹理边缘清晰、方向一致性较好的织物疵点图像具有较好的检测效果。     

基于纹理周期性分析的织物疵点检测方法

根据织物图像纹理自身特点,从图像纹理的周期性这个重要的视觉特征入手,提出了基于纹理周期性分析的织物疵点检测方法。通过对大量不同疵点图像检测实验,证明提出方法对织物疵点检测具有较好的有效性和可靠性,而且具有检测的疵点种类多、实用性好的特点。     

基于结构相似性与模板校正的织物瑕疵检测方法

针对复杂的具有周期性结构的织物瑕疵检测,提出一种基于结构相似性与模板校正的织物瑕疵检测方法。通过图案的周期性,得到图案单位模板大小,再对图像自动分割,同时应用基于模板校正的方法以减少晶格之间未对准的影响,并构建均值模板。通过计算所有晶格间的结构相似性,并将相似关系通过传递闭包的方式得到等价关系,再进行晶格间的聚类。之后通过阈值分割方法,完成瑕疵区域的检测。通过实验表明,改进后的算法检测效果较好,本文算法显著提高了样本的查准率。     

Texture classification and segmentation using wavelet packet frame and Gaussian mixture model

In this paper, we propose a scheme for texture classification and segmentation. The methodology involves an extraction of texture features using the wavelet packet frame decomposition. This is followed by a Gaussian-mixture-based classifier which assigns each pixel to the class. Each subnet of the classifier is modeled by a Gaussian mixture model and each texture image is assigned to the class to which pixels of the image most belong. This scheme shows high recognition accuracy in the classification of Brodatz texture images. It can also be expanded to an unsupervised texture segmentation using a Kullback-Leibler divergence between two Gaussian mixtures. The proposed method was successfully applied to Brodatz mosaic image segmentation and fabric defect detection.     

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.     

基于比例模板和边界校正的皮革图像分割

利用纹理特征进行智能化分割是提高皮革生产效率和产品质量的有效手段。为此提出了一种基于比例模板和区域边界校正的皮革图像分割方法，该方法首先根据皮革各部位所占面积比例的经验知识构造一个比例模板，并以此模板将图像粗分割成若干个区域，然后利用自相关函数分布统计出每个区域边界点所在窗口内的平均纹理周期，并与区域内窗口平均纹理周期进行相似比较，依据预设的平均纹理周期相似度阈值对区域边界点进行判别校正，使得每一区域内的平均纹理周期误差在允许的范围内保持一致。仿真试验表明，该方法简单易行，能有效地分割皮革图像。     

基于Gabor滤波器组的织物疵点检测方法

给出了基于Gabor滤波器组的织物疵点检测方法。在分析Gabor滤波器时频特性的基础上,针对素色坯布织物疵点图像,设计了椭圆形多尺度多方向的Gabor滤波器组,并应用该滤波器组在频域对织物疵点图像进行滤波处理,对滤波后的多幅图像进行融合与分割处理,将疵点从织物背景中分割出来,从而实现了疵点的检测。实验结果证明了该方法的有效性。