织物疵点图像边缘检测算法研究

阐述了一阶、二阶微分,Canny和基于小波等多种图像边缘检测方法,并对织物疵点图像进行了边缘检测,分析了各种方法在图像边缘检测应用中的优势和缺陷,结果表明,Canny和小波检测算法对织物疵点图像的边缘检测能够得到满意的效果,提供了较好的织物疵点边缘检测的途径。     

基于改进粒子群算法的织物图像疵点分割研究

为了提高织物图像疵点分割的效果,提出改进粒子群算法,首先对基本粒子群算法建立早熟判断机制以及多子群划分,采用阶梯式策略对粒子权重调整,学习进化因子结合粒子权重进行非线性调整,通过Nelder-Mead方法用于局部精确搜索,然后采用灰度积分投影定位算法获得疵点位置,确定织物图像疵点分割阈值,最后给出了算法流程。实验仿真显示该算法分割织物图像疵点清晰,算法的准确性、实时性较优。     

基于裂变粒子滤波算法的织物图像疵点检测研究

为了提高织物图像疵点检测的效果采用裂变粒子滤波算法。通过分类复制算法对粒子进行选择,整个过程粒子总数不变;裂变因子控制粒子裂变数量与其对应的被裂变粒子权值成正比,大权值的粒子能够裂变生成更多的粒子,根据多样性函数以及广义似然比检验定律判断是否处于有限收敛界,若是则停止裂变;织物图像的像素点分预测、更新消噪过程,疵点区域通过最佳阈值分割;给出织物图像疵点检测过程。实验仿真显示,此算法对织物图像疵点检测效果清晰,疵点在整体上保持了较为完整的检测效果,误检率、检出率指标较优。     

基于改进的引导滤波的织物疵点检测算法

为解决织物疵点自动检测算法对不同种类疵点检测的鲁棒性问题以及算法的实时性问题,提出针对疵点图像的改进的引导滤波算法及其疵点检测算法。实验表明:引导滤波在保持边缘的同时速度最快,该改进算法使用高斯滤波后图像作为输入图像,原图像为引导图像,在保持细节的同时锐化并保持边缘,一张图片滤波时间为26.2 ms。该检测算法使用改进后引导滤波,再进行光照校正等处理得到疵点检出图片。实验表明,该检测算法疵点检出率为97.35%,检测时间为158.1 ms,保持检出率的同时达到实时性要求。     

基于改进RefineDet的织物疵点检测

为了实现织物疵点的自动检测与分类,提出了一种基于改进RefineDet的疵点检测方法。首先,将VGG16改为全卷积网络对织物图像特征进行提取;其次,为了获取疵点重要的特征并抑制不必要的特征,在Anchor细化模块(Anchor refinement module, ARM)中加入了注意力机制;为了提高网络的分类性能,在传输连接块(Transfer connection block, TCB)中加入了SE模块(Squeeze and excitation, SE);最后,目标检测模块(Object detection module, ODM)将检测的结果回归到准确的目标位置,并预测疵点的类别,对疵点进行定位。结果表明：本文算法对孔、污渍、纱疵和线状4种类别织物图像的均值平均精度mAP达到了79.7%,比传统RefineDet检测方法均值平均精度提高了5.0%,具有良好的分类和定位效果。     

基于双混沌机制粒子群算法的织物图像疵点检测研究

为了提高织物图像疵点检测的效果,采用双混沌机制粒子群算法。首先通过把粒子群划分为2个不同的种群,且保持每个种群中的粒子个数和维度不变,一个种群用全局搜索方法,另外一个种群用局部寻优方法;在全局搜索方法中采用立方混沌模型映射搜索,局部寻优中采用Logistic map混沌模型映射寻优,增加判断系统混沌和稳定的规则;最后建立织物图像疵点检测模型和算法流程。实验仿真显示该算法对织物图像能准确地检测出疵点,疵点检出率、误检率和消耗时间指标较优。     

基于语义分割的织物疵点检测算法研究

针对织物疵点语义分割任务中数据分类不均衡导致疵点检测准确率不高的问题,文章在Resnet、U-net网络结构基础上设计了CS model网络,添加了适用于小疵点及条带状疵点特征检测的MSCA注意力机制。织物图像中,破洞、污渍等织物疵点像素,占比较少,相比于全图像素为小类别疵点,导致分割结果不准确。针对小类别疵点分割准确率不高的问题,将多类别Focal Loss损失函数引入于其中,该损失函数通过提高小类别疵点的权值,使分割结果更为准确。调整Focal Loss参数对比实验结果,采用mIoU、Acc和Loss数值作为实验评价指标,分别与U-Net、ResNet50、DeepLabV3和VGG16网络的语义分割模型进行对比实验,结果表明：提出的CS model网络可将小类别疵点分割精度有效提高几个百分点。     

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、...     

基于最大熵阈值算法的织物疵点检测与疵点织物应用

对织物表面出现的断经、断纬、破洞、油污等疵点进行识别并在实际中应用。将熵阈值分割应用于图像处理,通过最大熵阈值分割的迭代运算,将目标区域与背景区域分割开,即将织物疵点区域与正常区域划分出来,然后进一步对图像进行特征化处理,同时将实际生活中的乞丐装样式织物进行特征化处理,经过二者之间的特征化图像比对,确定疵点织物应用于实际生产的样式,以实现对疵点织物的有效利用。     

应用Canny算子的织物疵点检测改进算法

为克服当前Canny算子在织物疵点边缘检测中存在的阈值设定、滤波参数选择等自适应问题,提出一种基于Canny算子的改进算法。通过分析不同种类的织物疵点特征,选择不同参数的高斯滤波器,对织物疵点图像进行滤波处理;采用自适应形式获取图像边缘信息的阈值,避免了因阈值取值过高或过低而无法获得较好织物疵点的边缘信息的问题,同时还可根据不同织物疵点类型选择不同的滤波参数。结果表明,改进后的Canny算法可有效地检测到织物疵点的边缘细节,具有较好的自适应能力,并且提高了算法的有效性。同时对典型的织物疵点进行检测并与传统算法比较,其检测效果更优。     

应用Prewitt算子的织物疵点检测改进算法

针对经典Prewitt算子在织物疵点边缘检测中存在的检测边缘较粗、定位不准确和人为选取阈值会造成边缘点误判等缺点,基于改进的Prewitt算子,提出了一种与非极大值抑制方法相结合的自适应阈值的织物疵点检测方法。该方法对织物原图像采用高斯滤波进行预处理,以消除图像上的光照不均和噪声等影响,增加45°和135°方向模板完善边缘结构,利用非极大值抑制方法细化边缘,并用自适应阈值法确定最优阈值来减少边缘点的误判。通过对不同类型织物疵点的试验结果进行分析,证明改进后的算法具有更好的自适应能力,提高了算法的有效性。     

基于并行综合学习粒子群算法的织物图像疵点检测

为了提高织物图像疵点检测的质量,提出了并行综合学习粒子群算法。首先,通过织物透光率获得织物图像的疵点;接着多尺度利用织物图像灰度值差异对疵点区域显著性增强,把疵点与周围像素进行区分,从而弱化背景对织物疵点的影响;然后综合学习粒子增设局部吸引因子,多群和并行策略提高搜索能力;最后得出算法流程。实验仿真显示本文算法对疵点检测清晰,破损疵点检测准确率为88.15%,缺失疵点检测准确率为90.46%,移位疵点检测准确率为93.87%,断经疵点检测准确率为86.54%,高于其它算法,同时检测消耗时间较少。     

基于显著性区域的织物疵点检测算法

显著性检测运用到织物疵点检测能够体现织物检测时的智能性。基于显著性区域的织物疵点检测方法主要是通过将空间关系和区域级对比结合到一起,首先将图像分割成若干区域,然后计算区域级颜色对比度,再利用每个区域和其他区域的对比度加权和来为此区域定义显著性值。权值由区域空间距离决定,较远的区域分配较小的权值。实验结果表明,该算法能够很好地检测织物疵点,且优于其他算法。     

基于稀疏优化的织物疵点检测算法

为提高稀疏表示方法对织物疵点的检测精度,提出了基于稀疏优化的织物疵点检测算法。首先,利用L1范数最小化从待检织物图像中学习出自适应字典库,用该库对织物图像稀疏表示,进而计算出稀疏表示系数矩阵;然后,对系数矩阵进行优化处理,采用字典库及优化系数矩阵对织物图像稀疏重构;最后,将重构图像与待检织物图像相减生成残差图像,用最大熵阈值方法对残差图像分割,定位出疵点区域。实验结果表明,本文算法所重构图像准确表示了正常织物纹理,相比已有检测方法具有较高的疵点检测精度。     

基于改进的小波分解织物疵点检测

采用小波分解的改进方法,运用二维离散小波变换进行分解,有效地从图像中提取信息,分析织物的纹理特征并进行相应处理,实现目标图像的特征提取和输入LMBP神经网络进行学习训练。实验结果表明,对油污、破洞、断经、断纬能比较准确地识别和定位,可快速有效地进行织物疵点检测。     

基于图像最大熵的织物疵点检测方法

对织物表面疵点自动识别方法进行了探讨.将信息熵引入图像处理中,先通过最大熵快速迭代算法对织物疵点区域进行分割,把疵点图像分为背景和目标两部分;然后找出疵点区域的中心并求出疵点区域在纬向和经向上的方差;最后通过两者的比值与设定常数的比较,判断出疵点类型.仿真实验表明该方法对常见织物疵点的检测是有效的.     

基于二维Otsu算法的织物疵点检测

为了准确检测织物的疵点,提出一种基于二维Otsu算法的织物疵点检测方法。首先采用均值滤波对采集的织物疵点进行预处理,减少高斯噪声对图像质量影响的同时,也有效地抑制了织物背景纹理信息对织物疵点检测的影响;然后对处理后的图像采用二维Otsu算法进行阈值分割;最后对分割后的图像进行形态学运算后处理,平滑图像轮廓,去除毛疵点和孤立点等。实验结果表明:对比其他检测方法,综合主观视觉效果和客观峰值信噪比(PSNR)值,该方法在织物疵点检测中既能有效保留图像的边缘信息,也不损伤图像的细节质量,检测效果较好,在疵点检测方面具有一定的实用价值。     

基于灰度分布梯度的织物疵点检测算法

针对织物疵点检测算法实用性差的问题,提出一种基于灰度分布梯度检测算法,通过对纹理织物相邻像素灰度差异和单位距离的商来判断纹理是否异变。在对灰度试样提高对比度和二值化图像预处理,并根据织物组织结构确定检测窗口的基础上,把试样分解成经向和纬向2个子图并得到各自方向的能量统计值,从中提取跃迁比等4种特征值,综合各类疵点对方向特征值的不同敏感程度检测出疵点。该算法简便,实时性好,特别适合方向性疵点及块状疵点的检测。     

基于改进YOLOv5模型的织物疵点检测

针对传统机器学习方法检测织物疵点精度低,小目标检测较困难的问题,提出一种基于改进YOLOv5的织物疵点的目标检测算法。在YOLOv5模型的Backbone模块中分别引入SE注意力机制和CBAM注意力机制,使模型聚焦于图像中的关键信息,改进传统YOLOv5网络检测精度不高的问题。结果表明：改进后的模型具有更好的检测性能,其中引入CBAM模块后提升幅度最明显,较原网络mAP值提升了7.7%,基本满足织物疵点检测需求。