采用图像处理的织物缝纫平整度自动评估

为解决织物缝纫平整度客观自动评估时分类正确率低的问题,提出了一种基于灰度共生矩阵、小波分析和反向传播（BP）神经网络相结合的织物缝纫平整度的自动评估方法。首先采集标准缝纫图像,将图像的灰度级降至16 级,计算图像在0°和90°方向上的灰度共生矩阵并将其归一化,提取灰度共生矩阵的能量、熵、对比度和相关性4 个特征参数,并分别对特征参数在0°和90°方向上取均值;同时,运用Haar 小波在第6个分析尺度上提取并计算图像的水平细节系数的标准差。然后将提取的这5 个特征参数输入到BP 神经网络中训练和识别,并对标准缝纫图像进行了评估。评估结果显示：提出的算法与单独采用灰度共生矩阵特征、小波特征相比,具有较高的分类正确率,分类效果稳定。     

基于灰度共生矩阵的织物组织结构差异分析

应用灰度共生矩阵分析不同织物组织结构的纹理特征差异。首先将图像的灰度级由256级降为16级以减少计算量;再通过计算图像的灰度共生矩阵选取由灰度共生矩阵衍生的能量、对比度、相关、熵和逆差矩5种特征值作为描述织物纹理的特征参数,并与实际织物纹理特征相比较。分析结果表明,该方法能够较好地提取平纹、斜纹和缎纹织物的纹理特征,可进一步实现织物纹理的分类。     

基于纹理特征相似度伪装评估模型

本文提出一种基于灰度共生矩阵和小波变换的方法相结合进行纹理相似度判别的评估模型。图像的纹理特性综合反映了斑点构成的分布和特征,因此伪装与背景的纹理特性差异,可以反映出他们之间的综合特性差异。灰度共生矩阵可定量描述纹理特征,而小波变换将图像分解为不同层次,可以模拟在不同观察距离上伪装效果的评估。本文在进行模型分析将伪装图像进行多层小波分解,只在变换后的低频部分,对不同层次上伪装和背景图像的低频图像纹理特征进行比较,能够较好的反映伪装和背景在不同观察距离上的综合纹理相似度。     

基于遗传算法的织物疵点特征选择

 为提高疵点分类的正确率,提出应用遗传算法对织物的疵点进行特征选择。首先提取机织物疵点图像,基于直方图、灰度共生矩阵、灰度差分统计、小波差分统计等描述纹理特征,采用遗传算法对这些特征组成的特征向量进行特征选择,再用支持向量机（SVM）分别对原特征向量和选择的特征子向量进行分类。实验结果显示,织物疵点的平均识别率从原来的89%提高到95%,说明该算法对织物疵点特征选择是有效的。     

小波分析在织物缺陷检测中的应用

对于织物缺陷的检测，可以使用多种不同的图像处理技术．而具有多分辨特性的小波变换是一种分析图像的新方法，它的变尺度特性与人类视觉中的空间频率多通道相吻合．使用小波分析的方法对3种织物缺陷进行检测分类．首先将织物图像进行3层小波分解，然后把小波分解后的图像灰度值作为特征参数输入到BP神经网络进行检测识别，实验结果表明，用这种方法识别织物缺陷识别率可达到98％。     

织物图像增强矩阵特征模型的建立

针对目前缺乏有效显现织物特征的成熟模型,使织物疵点识别效果不佳的现状,提出一种新的织物图像特征模型,即增强矩阵特征模型.该特征模型以图像的灰度值为基础,引入一种新的增强矩阵.该矩阵由根据织物图像梯度变化生成的矩阵算子组成,可对像素灰度值进行变换计算以放大或缩小图像局部特征,使图像的特征显现更加层次分明.通过采用MatL...     

基于小波特征和SVM的织物疵点识别

针对常见织物疵点具有方向性,利用传统空间域特征识别方法不能有效定位局部疵点区域且当样本较少时分类率低的问题,为有效定位疵点且提高分类率,提出了水平和垂直方向上小波域特征,利用能有效解决小样本分类问题的支持向量机进行分类识别;并对利用图像灰度共生矩阵特征及小波域特征的分类结果进行了比较。仿真实验结果表明,所选特征不仅能对织物疵点区域进行水平和垂直方向上的定位,而且得到了较高的正确分类率。     

基于多层感知器与特征组合的皮革缺陷分类

针对皮革表面存在不均匀纹理的特性、缺陷分类难度大的问题,构造了一种多层感知器结合特征组合的分类方法.首先通过Gabor滤波方法强调皮革表面纹理特征,并获取皮革图像的5个灰度分布统计特征与8个灰度共生矩阵统计特征,以此描述皮革表面纹理和缺陷的特征;然后采用多层感知器结合特征组合的分类方法对皮革缺陷图像进行分类.实验验证结...     

基于Adaboost多特征融合的织物扫描图案识别

针对织物扫描图像中纱线纹理等的存在造成难以提取有效图案特征的问题,提出了一种基于多特征融合的图案识别方法。首先通过纹理抑制平滑滤波算法滤除织物扫描图像的纱线纹理,并进行灰度化;然后分别提取灰度图像的边缘方向直方图、最大稳定极值区域的SURF特征和灰度共生矩阵特征,建立样本图像特征库;最后以样本图像特征库特征为训练对象,通过Adaboost算法融合3类特征建立分类器,实现图案识别。实验结果表明,基于Adaboost的多特征融合织物扫描图案识别算法比单特征识别算法有较高的准确率。     

织物纹样特征提取与匹配方法比较

针对织物纹样自动识别过程中因尺度、旋转和褶皱等因素引起图像差异的问题,探索了复杂纹样特征的准确提取与匹配方法。以江崖海水纹样为例,采集尺度、旋转、模糊、光照、褶皱5种变化下的织物纹样图像,分别运用尺度不变特征变换(SIFT)、快速鲁棒性尺度不变特征(SURF)、二进制鲁棒不变可扩展关键点(BRISK)3种方法提取纹样局部特征,然后采用欧氏距离进行特征匹配计算,最后通过随机抽样一致算法剔除误匹配对。结果表明:采用BRISK算法的准确配对率最高,平均准确匹配率达87.10%;褶皱对织物特征匹配的影响最大,该变化下BRISK算法的鲁棒性优于SIFT和SURF算法;BRISK算法速度最快,图像平均匹配时间0.551 s;在织物纹样特征匹配中,BRISK算法比SIFT和SURF算法具有更好的适用性。     

Fabric defect detection based on multi-scale wavelet transform and Gaussian mixture model method

This paper proposed an approach, which is based on multi-scale wavelet transform and Gaussian mixture model, to solve the problem about automated fabric defect detection and improve the quality of fabric in the production. Firstly, the sample image was tackled by the “Pyramid” wavelet decomposition algorithm, and the new images were obtained by reconstructing with the produced wavelet coefficients using wavelet thresholding denoising method. Secondly, the obtained new images were segmented by applying the Gaussian mixture model that was based on the Expectation–Maximization (EM) algorithm. Various fabric samples were used in the evaluation, and the experimental results showed that the designed algorithm could precisely locate the position of defect and segment the defect.     

基于卷积神经网络的机织物密度均匀性检测

针对目前基于机器视觉的机织物密度自动检测时织物检测视野小、精度低、品种适应性差的问题,提出一种基于多尺度卷积神经网络的检测方法.首先设计了一套离线图像采集系统连续采集织物图像,并建立一个包含详细织物参数的织物图像数据集;然后采用一种具有不同大小局部感受野的多尺度卷积神经网络适应不同大小的织物结构特征,定位纱线位置;最后...     

贾卡经编织物多纹理区域分割技术

为快速准确地得到贾卡经编织物花型图案,提出一种基于小波多尺度分层、马尔科夫随机场建模和贝叶斯最优准则分割理论的贾卡经编织物图像多纹理区域分割技术.首先通过小波变换将贾卡织物图像作多尺度分解等预处理,其次结合马尔科夫随机场理论,运用有限高斯混合算法构建图像灰度场分布模型,采用尺度逻辑算法构建标号场先验模型,最后在贝叶斯理...     

基于灰度共生矩阵的纹理周期分析

引进灰度共生矩阵(GLCM)对纺织布纹理进行特征分析,通过实验对GICM中14个特征参量进行筛选,选出能反映周期方向的5个特征参量和周期大小的4个特征参量,运用这两组特征参量对纺织布的纹理进行周期大小和方向的描述.实验过程中,对原始纺织布纹理图像进行二值化处理,使得共生矩阵的计算变成二值型,极大地降低了计算量.结果表明:对于含有一定周期的纹理图像,采用本文纹理周期描述和分析方法,能够实现比较全面的描述.     

Adaptive detection of weft‐knitted fabric defects based on machine vision system

This paper describes a machine vision system for the detection of weft‐knitted fabric defects based on an adaptive pulse‐coupled neural network (PCNN) and Ridgelet transform. In order to classify defects according to their different texture features, two methods are implemented: an improved PCNN method to segment the defects such as hole and dropped stitch from background image and a Ridgelet transform method based on wavelet analysis to identify the defect such as course mark. In implementing the PCNN model, necessary parameters of PCNN model such as linking coefficient, connection weight, and iteration number are automatically calculated in accordance with the spatial distance of neurons, mean, and variance value of whole image, and the cross‐entropy criterion. The function of Ridgelet transform is to identify the straight line marks and fit the regression equation for simulating the course mark in the image. The Ridgelet transform model can be simplified as the combination of Radon and wavelet transforms. The parameters of detected line are acquired by wavelet analysis in Fourier semicircle region. The experiment materials were several plain and interlocked weft‐knitted fabrics with hole, dropped stitch, and course mark defects. The fabric images were captured by an area‐scan camera with a resolution of 600 × 800 pixels, and signal processing was controlled by a digital signal processing multiprocessor on the inspection machine. The validation tests proved that the system performed well.     

基于绉织物表面图像分形特征分析的绉效应评价

通过MATLAB对绉织物表面图像进行处理,根据分形理论对绉织物表面图像的起绉纹理进行分析。结果表明,绉织物表面具有最著的分形特征,且绉织物的起绉程度与绉织物表面的视觉风格存在一定的关系,起绉程度大的绉织物其维数大于起绉程度小的织物。     

Characterization and application of objective pilling classification to patterned fabrics

Abstract

Previously, the authors proposed a new, simple method of frequency domain analysis based on the two-dimensional discrete wavelet transform to objectively measure the pilling intensity in sample fabric images. The method was further characterized, and the results obtained indicate that standard deviation and variance are the most appropriate measures of the dispersion of wavelet details coefficients for analysis, that the relationship between wavelet analysis scale and fabric inter-yarn pitch was empirically confirmed, and, that fabrics with random patterns do not appear to impact on the effectiveness of the analysis method.     

基于小波变换的农田害虫图像预处理研究

以农田害虫识别系统中图像的预处理为研究对象,利用小波变换对图像进行不同尺度的小波分解,对得到的小波系数进行不同的处理,包括小尺度下的高频系数置零、阈值处理、模极大值处理以及增加大尺度下高频系数的相对值等方法,从而达到去噪、增强等图像预处理的目的.结果表明:利用小波变换对图像进行处理,可以收到良好的效果.