基于模糊C均值聚类的纺织品印花图像分割

 针对纺织品印花精度检测的关键技术问题,主要围绕纺织品印花图像的有效分割展开研究工作,提出了基于距离修正和隶属度修正的FCM算法。为了确保FCM算法的有效性和精确性,对其参数的选取和算法结构进行了深入的研究,结合参数的自适应初始化方法和FCM算法的修正方法,最终给出该算法对纺织品印花图像的分割效果图。实验结果表明,该算法对纺织品印花图像有良好的分割效果,并且对由光和织物纹理引起的干扰有一定的抑制作用。     

基于多特征融合的织物印花图像分割

针对织物印花检测精度的问题,采用结合颜色特征和纹理特征多特征融合的方法,对织物印花图像进行有效分割,从而为提高织物印花的检测精度奠定了基础。在织物印花的分割过程中,首先采用颜色特征结合基于自动种子点选取的区域增长算法对图像进行初始分割,在初始分割的基础上,利用小波变换提取干扰区域的纹理特征,从而可以进一步地消除干扰区域,实现织物印花图像的准确分割。实验结果表明：基于多特征融合的分割算法能够准确地分割出织物的印花图案,克服了仅仅采用颜色特征或者纹理特征时产生的分割失真,提高了分割的质量,具有较好的应用价值。     

应用区域颜色分割的机采棉杂质检测方法

机采棉中的杂质繁杂,而杂质类型及含量对后期棉花加工工艺的影响很大。为此,提出一种应用区域颜色分割方法以检测棉花中的杂质。在图像分割中,先对滤波后的机采棉图像进行彩色梯度运算,通过扩展极小变换运算获得标记图像,在修改后的梯度图像上运用分水岭算法获得初始分割图像,然后对初始分割图像进行区域合并。区域合并过程中要综合考虑空间邻接性、颜色信息和区域面积3个因素。颜色信息主要采用饱和度、亮度、区域颜色向量模及颜色相似度4 个特征量。用层次递进的合并方法,迭代过程更新信息特征。最后通过支持向量机算法提取颜色、纹理、形状特征对杂质区域进行识别。结果表明,所提方法对机采棉中天然杂质的平均识别率为94%。     

基于Criminisi算法的非周期性印花织物缺陷检测

由于非周期印花织物颜色多变、花型复杂、印花缺陷纹理及背景纹理之间对比度低,导致织物缺陷不易被识别,因此给出一种Criminisi算法。首先,采用频率谐调(frequency-tuned,FT)显著性算法对印花织物缺陷图像进行显著性增强,突出缺陷的边缘轮廓;其次,利用大津阈值法对显著图进行二值化处理,并将得到的二值图作为图像修复时的Mask掩码图;最后,运用Criminisi算法对原印花织物缺陷图像进行修复,将修复的印花图像减去原印花缺陷图像,获得缺陷区域。实验结果表明,该方法能准确分割出非周期性印花织物的缺陷区域,如漏墨、污渍等,且检测准确率达97.39%。同时,实验过程中不涉及参数的调节。     

采用纹理平滑的印花织物图案轮廓提取

为丰富印花产品的种类,提出了一种可有效提取出印花织物中图案轮廓的方法,可提取出高精度的印花图案边缘轮廓。首先对图像进行平滑,通过控制平滑程度参数和空间尺度参数,平滑掉织物图像中的纹理结构。再用Canny边缘检测算子检测图案边缘,Canny分割的判别阈值采用默认自动选择阈值就能成功提取织物上图案的轮廓,分割后的图像轮廓清晰,边缘连续,并且能分割出印花织物图像中的细小结构。通过实验证明,在RGB颜色空间对图像平滑和边缘提取的效果要优于其他颜色空间,比较了其他边缘检测算子分割印花织物图案的效果,结果证明Canny算子分割效果最好。     

基于均值漂移的模糊C均值聚类图像分割方法

本文针对模糊C均值聚类（FCM）算法在分割噪声图像和含有颜色相近区域的图像时存在的不足,提出了一种结合各向异性均值漂移的模糊c均值聚类（FCM）新算法。该算法在传统的FCM算法中引入了均值漂移（MS）算法,分割图像时利用Ms算法可快速找到峰值点和图像空间信息的优点,对颜色漂移区域和细长区域均能保留更多的图像信息,同时具有较强的抗噪能力。     

基于边缘引导的纺织品纹样数字化修复方法

针对破损纺织品文物人工修复周期长、易造成二次破坏等问题,提出一种用改进的Criminisi算法修复破损传统纺织品纹样的数字化方法。该算法通过对缺失边缘进行重构还原纺织品纹样的结构,用于引导进一步的纹理修复。首先使用线性或二阶贝塞尔曲线拟合缺失边缘,以恢复结构;然后利用多分辨率图像中的结构信息计算更有效的优先权,确定当前待修复块;再在多分辨率图像中根据颜色、梯度和边界特征计算多个候选匹配块,从中选择最佳匹配块以减少选择过程中的随机性;最后通过分割复制的最佳匹配块进行填补,以减少对已知信息区域的覆盖,迭代完成全部破损区域的修复。实验结果表明,本文算法对存在较多结构破坏的真实纺织品彩色图像可快速实现较为自然的修复效果。     

基于平滑滤波和分水岭算法的重组织织物图像分割

针对带有重组织的织物图像特点,提出了一种根据纱线颜色进行图像分割的方法。首先将织物图像转化为Lab颜色模式,采用混合中值滤波算法滤除扫描噪声;其次通过设置色差容许值改变高斯权值的平滑滤波算法进行滤波,去除织物图像中的重组织阴影和同颜色纱线纹理,保留纱线颜色特征;然后提取织物图像的色差梯度,通过分水岭算法进行图像分割,获得区域标记图像;最后将颜色相近的分割区域进行合并,得到织物图像的分色索引图像。实验结果表明,提出的算法可以对重织物图像进行较为准确地分割。     

Otsu多阈值分割算法的研究

在图像分割中,确定阈值是关键,但已有选择阈值的方法多是单阈值法,不适用于多目标识别.鉴于此,提出了一种改进的基于一维Otsu的多阈值分割算法.该算法通过对图像多次分类、使用分离变量合并多余的分类、使用松弛变量搜索阈值等方法提高了运算速度.实验效果验证了该算法的有效性.     

基于深度学习的织物印花分割算法研究

针对织物图像特征提取和检测问题,研究了一种基于卷积神经网络U-net模型的织物印花分割算法,并根据织物印花的特点对原有模型进行改进,从而更精确地实现对织物印花图像的分割.实验选取100张原始织物印花图像,并利用人工标注的方法标注出分割好的图像,作为训练的标签,将训练图像和标签通过翻转、裁剪等数据增强算法得到1000张图...     

基于小波域多尺度Markov随机场的织物印花图案分割

织物印花图案的分割是纺织印染工艺中一个非常重要的过程,为了提高纺织印花图案的分色精度,本文采用小波域的多尺度Markov随机场模型实现了织物印花图案的分割。该方法首先对图像进行预处理,然后对图像进行小波“金字塔”分解,在每一尺度的分割过程中利用了各尺度上的有关信息:特征场建模通过描述小波系数之间的相关性反映每一像素位置的特征属性,标记场建模通过考虑邻域标记间的相互作用反映图像分割的区域性。两种随机场建模以联合概率乘积的形式相互约束,共同作用于该尺度的分割过程。在分割过程中,从最低分辨率尺度到原始分辨率尺度逐次进行图像分割,低分辨率尺度的分割结果通过直接投影作为相邻的更高分辨率尺度的初始分割,最高分辨率尺度上的分割结果作为本文方法的分割结果。     

基于像素分布的自适应阈值分割模型应用于印刷图像缺陷检测的研究

为了解决传统印刷图像缺陷检测算法检测精度不足的问题,本研究提出了一种采用基于像素分布的自适应阈值分割模型的印刷图像缺陷检测算法.该算法充分利用印刷图像像素间的相互关系,利用自适应迭代运算确定图像缺陷阈值,提取图像缺陷区域.实验证明,利用该模型能准确地检测出印刷图像缺陷,可以有效地运用在印刷复制过程中的图像的检测环节中.     

基于图像分割的拼色纺织品分色算法

 采用计算机图像分割技术对纤维混色产品的高分辨率扫描图像进行处理,提出了根据其所含纤维色彩特点进行图像分割的方法。将彩色图像转化为HSV色彩空间,对图像的灰度区域针和彩色区域分别以V分量和H分量进行分割,分割过程采用模糊C聚类分析(FCM)的方法进行。实验结果表明,此方法可以图像分割成有效的几个类别,并保持原有图像的色彩、纹理信息。该方法可以用于计算机辅助拼色纤维配色,与传统的通过光学模型预测方法相比,此方法更为直接,有效。     

基于颜色和形状的机器人运动目标跟踪

针对类人足球机器人存在识别运动目标效果差、容易受光照变化影响等问题,提出了一种基于颜色和形状的运动目标跟踪算法:在HSI空间执行基于颜色信息的快速阈值分割,获取目标信息,加入自适应阈值更新,以增加算法的鲁棒性;利用卡尔曼滤波预测运动目标下一帧的位置,在局部范围根据目标形状信息执行优化边缘检测识别目标,获取目标准确的位置信息,然后继续跟踪.实验证明:该算法能够对运动目标进行准确跟踪,可满足实时性的要求.     

基于改进图像阈值分割算法的纱线疵点检测

针对纺织行业纱线疵点检测方法可靠性差、灵敏度低、检测速度低的问题,提出一种基于数字图像处理的纱线疵点判定方法。首先,搭建纱线图像采集系统,完成纱线图像采集;其次,针对纱线边缘信息难处理以及传统双边滤波对椒盐噪声处理效果差的问题,对双边滤波进行改进,改进后的双边滤波可有效保存纱线边缘信息;再者,针对传统阈值分割计算量大、最佳阈值难以寻找的问题,对传统阈值分割算法进行改进,改进的阈值分割算法在保证处理效果的同时提高了整体算法的处理速度;最后,采用亚像素对纱线边缘进行计算,提高了纱线疵点检测的精确度。实验结果验证了算法的有效性及可靠性,该算法在提高精确度的同时将检测速度提高了20%以上,对提高纱线质量检测的准确性具有重要意义。