非下采样Contourlet变换在织物疵点检测中的应用

介绍了非下采样Contourlet变换并将其应用于织物疵点检测。首先对织物疵点图像进行两级非下采样Contourlet变换,得到1个低频子带和12个高频子带;然后对低频子带采用非线性增益函数进行增强及二值化处理;通过计算对比度在高频子带中挑选出4个最优子带进行去噪和二值化处理;最后将经上述处理后的低频子带与最优高频子带进行融合,以二值图像的方式将疵点与织物背景相分离。实验结果表明该方法具有较强的适应性、实时性和较高的疵点检测率。     

基于网格纵横局部二值模式的三维人脸识别

提出一种基于网格纵横局部二值模式的三维人脸识别方法。为了充分体现人脸表面的细节差异,有效表示出由表情引起的局部形状变化,本文首先在人脸网格表面的半刚性区域内检测关键点集,并且由关键点确定中心面片,由中心面片及其周围有序环确定关键点邻域;其次将网格上中心面片及其周围有序环看成一个整体,从纵向(相邻环上对应面片之间)和横向(同一环上相邻标号面片之间)分别提取网格纵向局部二值模式描述符和网格横向局部二值模式描述符;然后对这两者进行特征融合得到网格纵横局部二值模式描述符;最后利用LC-KSVD2字典学习算法在Bosphorus数据库和FRGC v2.0数据库上完成识别实验。在Bosphorus数据库上各表情的平均Rank-1识别率为97.6%,在FRGC v2.0数据库上的Rank-1识别率为97.9%,该实验结果充分表明本文所提算法具有较高的识别精度,并且对表情变化具有一定的鲁棒性。     

基于统计特征中心对称局部二值模式的虹膜识别

由于中心对称局部二值模式(CS-LBP)的虹膜识别具有特征维数高、对噪声敏感等缺点,提出了基于统计特征中心对称局部二值模式(SCCS-LBP)的虹膜识别方法.首先,根据虹膜纹理的分布特性,用CS-LBP对归一化的虹膜图像进行编码;为了进一步降低特征维数,对编码后的图像进行特征统计.然后,根据统计结果的分布,提取出有效的二值特征图像.最后,用Hamming距离进行虹膜识别.对CASIA1.0、CASIA2.0、CASIA3.0-Interval、MMU1图像库进行了识别,最高正确识别率分别为99.955％、99.848％、99.989％、99.916％.实验结果表明:该方法有效地利用了虹膜纹理分布特性,与LBP和CS-LBP方法相比,具有更少的特征维数、更高的正确识别率和更好的鲁棒性.     

一种新的基于小波分析与神经网络的织物疵点检测与识别方法

提出了一种新的基于小波分析与神经网络的织物疵点检测与识别方法，根据疵点图像形态的先验知识，在织物图像小波分解高频分量中运用数学形态学中的开运算，结合小波高频各子带反映不同边缘细节的特点，去除由棉籽壳与背景光从经、纬纱之间的空隙透射而成的荧光点在织物图像上形成的噪声，提取特征参数，利用神经网络BP算法，有效地检测与识别了缺纬、断经、油污、破洞等常见疵点，并具有识别正确率高、检测速度快等优点。     

基于LabVIEW的织物疵点检测的小波去噪方法研究

本文以LabVIEW (Laboratory Virtual Instrument Engineering Workbench)为软件开发平台,运用小波变换理论,对织物疵点检测的去噪方法进行研究。同时结合LabVIEW编程语言详细分析小波去噪的原理及小波去噪的具体设计。实验结果表明,小波变换能有效去除织物图像中的噪声,突出并增强织物的疵点部分,为后续图像的进一步处理提供有力的帮助。     

基于改进局部二值模式及特征融合的人脸表情识别

局部特征描述算子在表情识别领域有着广泛的使用。通过对现有表情识别算法的的研究,针对传统局部二值模式(LBP)算法只考虑领域像素和中心像素点的关系,而忽略了领域像素之间的相互影响。而中心对称局部二值模式(CS-LBP)只考虑了中心对称像素之间的影响。结合LBP和CS-LBP特点出了一种改进的LBP算法,实验结果表明改进的LBP算子利用像素点更充分,能更好的表达特征。针对单一特征很难准确描述原始图片的信息,又提取了图像的Gabor特征,分别与提取LBP特征和改进的LBP特征进行特征融合,使提取的特征更加丰富详细。分类算法中考虑到SVM具有强大的非线性分类能力,将提取的特征与SVM分类器进行结合,在公开表情数据集CK+上采用留出法进行验证,准确率达到95.77%,实验结果表明该方法优于传统的表情识别算法。     

基于局部二值差异激励模式的木材缺陷分类

针对木板表面裂缝和矿物线的区分问题,提出一种基于局部二值差异激励模式(LB_DEP)的方法。首先经预处理分割潜在缺陷区域,然后通过几何参数筛选呈线状的裂缝和矿物线。接着基于LBP与韦伯定律,建立反映图像纹理结构位置与差异激励关联关系的LB_DEP直方图。最后提取LBP和LB_DEP直方图特征,并融合特征数据,形成的特征向量作为SVM分类器的输入用于缺陷分类。提出的两种特征提取方法分别为"H-chi-square"法和"H-PCA"法,均在自建的数据集上进行了评估。结果显示,在两种特征提取方法下,本文算法分别获得了93. 7%和95. 8%的Recall,及95. 0%和96. 5%的Precision。与相似研究相比,Recall和Precision分别至少提高了3%和5%,且算法耗时均为毫秒级别,表现出方法的优势和有效性。     

基于最优PCNN模型的织物疵点自动检测

脉冲耦合神经网络(PCNN)直接来自于动物视觉特性的研究,它可以准确地检测到织物疵点的存在.但因目前理论上很难解释PCNN模型参数与图像识别效果之间的关系,为了获得较好的图像识别效果,需要多次的实验来选择PCNN模型参数.本文提出了一种根据织物纹理的特征,自动选择最优化PCNN模型参数的方法.实验结果表明,优化后PCNN模型可以有效地提取到纹理图像局部的灰度和空间邻近的特征信息,从而获得理想的织物疵点检测效果.     

基于边缘检测的红外图像二值化算法

提出一种基于形态学边缘检测的红外图像二值化算法。结合边缘检测、自适应形态学边缘增强方法对图像进行处理,使得二值化结果有效地保留红外图像的边界特征,试验结果证明该方法是一种有效、实用的图像二值化方法。     

基于傅里叶变换的帘子布疵点检测研究

帘子布作为一种特殊纺织品,其外形的不确定性给疵点的自动检测带来了新的困难.本文采用傅里叶变换的方法,在空间频域内分析了帘子布疵点和正常变化对图像频谱带来的不同影响,找到了一组新的织物图像特征值,实现了帘子布疵点的自动识别.实验结果证明该方法是可行的且可靠的.     

基于单类支持向量机的织物瑕疵检测研究

为了实现在工业环境下的织物瑕疵在线检测,提出了一种基于单类支持向量机(OCSVM)的织物异常纹理检测方法。通过利用CCD采集织物图像,滤除图像噪声后提取了图像小区域窗口子图像特征;通过实验寻找了两组有效的特征向量,对特征值进行了归一化和主成份分析降维后导入支持向量机分类器中进行了训练,利用单类SVM对异常区域进行了定位和标记。通过对分别利用两组特征向量识别出的图像结果进行组合得到了最后的瑕疵区域。实验结果表明,该算法能够正确地对多种瑕疵进行识别,并能较大程度降低误检率和漏检率;同时,能够有效解决生产实际中瑕疵训练样本难以获取的问题,对未知的待测样本有较好的推广性,可以适应工业检测的要求。     

玻壳缺陷检测中局部阈值分割问题的研究

对于目标所占比例很小的图象,目标在直方图中退化为平坦峰.针对这种情况,提出了一种自适应的局部阈值分割方法,该方法在玻壳缺陷图象的分割中取得了很好的效果,而且同样适合于医学图象和显微图象的分割.     

基于区域模糊阈值的前视红外目标识别

针对用前视红外( FLIR)目标法识别复杂地面时,存在无直接可用基准图、背景干扰严重、目标与背景灰度差异小等问题,提出了一种基于区域模糊阈值的目标识别方法.首先,在建立多尺度空间的基础上,设计多阈值算法,生成显著图;其次,引入基于图像模糊率的区域模糊阈值方法,改进Itti模型,构建候选目标筛选模型;最后,对检测结果运用...     

基于ESPI技术的物体缺陷自动识别技术

电子散斑干涉技术是变形和缺陷检测的重要技术方法,具有非接触、动态特性好、灵敏度高等优点.在缺陷检测中,以变形为载体,通过变形分布上的异常判别缺陷是否存在和大致位置.在这个过程中,如何摆脱人的主观判断,实现缺陷的自动识别,一直是一个技术难点.本文以实现缺陷自动识别为目标,探讨了电子散斑干涉技术的物体缺陷识别技术.总结了ESPI实现系统和变形测量的主要算法,包括时域相移干涉仪中算法、空域载波相移干涉仪中算法及空域相移干涉仪中算法,分析了各自的特点并进行了归类.描述了变形与缺陷之间的关系.讨论和总结了缺陷的时域识别方法和空域识别方法.分析了基于变形梯度的缺陷识别方法,并进行了改进.改进的方法引入了调节因子,提高了缺陷区与非缺陷区之间的界限,从而提高了该方法的缺陷识别能力.     

基于局部窗口与极值的显微图像细节增强

光学显微成像中,光学物镜、电子成像等对显微图像质量的影响较大,容易形成退化,导致获取的显微图像细节不够清晰。结合数码显微成像的具体需求,提出一种后处理细节增强处理方法。分析了数码显微成像系统的退化过程,强调了光学退化等带来的模糊细节的效应。一方面,利用尺寸变化的双窗口,可以框定凸显不同尺寸的细节信息,实现局部信息的分析;另一方面,利用局部窗口内极大值与极小值分析,并与原图信息比对以获取细节图像。两者综合,最终实现细节的增强。测试实验表明,该方法能够很好地适用于数码显微成像系统,运行速度快,增强效果好。以视觉清晰度指标、灰度平均梯度与拉普拉斯算子和指标作衡量,增强后评价指标提升的平均百分比分别为20.9%、71.2%与81.8%。     

基于Halcon的电表铭牌缺陷检测系统

国家电网(State Grid)的快速发展扩大了智能电表的生产规模,电表铭牌作为其中关键部分,在生产中的印刷缺陷检测问题应运而生.利用机器视觉,设计了一种基于生成基准图像的电表铭牌视觉检测方法.联合Halcon软件与C#语言编写缺陷检测系统验证检测方法的有效性,结果表明:检测方法对电表铭牌印刷缺陷检测有较好的鲁棒性,能...     

基于全变分模型的纺织面料疵点检测

把全变分(TV,Total Variation)去噪模型引申到常见加性噪声的处理中.首先进行TV模型去噪,再对图像进行边缘提取,取得理想的结果.最后将本方法应用到纺织面料的疵点检测,边缘提取之后得到清晰连续的疵点边缘信息.     

Defect detection of polycrystalline solar wafers using local binary mean

Polycrystalline solar wafers consist of various crystals and their surfaces have heterogeneous textures. The conventional defect detection methods cannot be applied to their solar wafers. In this paper, we propose a concept of local binary mean and its optimization method for selecting optimal threshold T. The input image is broken down into a set of K patch images. Each patch image is used to calculate its local binary mean. The local binary mean value is used as the discrimination measure for detecting defects. Experimental results show that our proposed method achieves a detection rate of 91~94 %. Compared with related defect detection methods, the proposed method has the advantage of detecting various kinds of low gray-level defects such as micro-cracks, fingerprints, and contaminations simultaneously.     

基于DoG检测图像特征点的快速二进制描述子

针对SIFT描述子实时性差和传统二进制描述子对尺度、旋转和视角变化鲁棒性差的问题,本文通过优化采样模式和添加灰度差分不变量比较测试进行改进,提出了一种鲁棒性更高的二进制描述子。首先,设计了一种尺度关联、编号标记的采样模式;然后,旋转采样模式中各采样点到特定位置,确保描述子尺度、旋转不变性;接着,分析了采样点点对模式对描述子的影响,选择使用机器学习训练后的128对采样点对;最后,选择灰度值比较测试及梯度绝对值和比较测试构建二进制描述子。实验中采用DoG检测图像关键点,结果表明:本文提出的描述子在描述子构建和描述子匹配上比SIFT描述子分别快84%和67%;在有视角变化的图像匹配上,准确率比传统的二进制描述子高3%~5%,召回率平均要高30%以上。本文提出的特征点描述方法适用于时间要求高的图像匹配领域。