一种基于位平面的纸病检测数学形态算法研究

造纸加工工艺的进步带动了纸机加工车速的提升,同时也带来了更加复杂的纸病处理问题。基于位平面理论,构建了一种新的纸病检测数学形态算法,旨在为现代造纸加工行业中的纸病检测工艺提供一种抗干扰能力强、定位准确以及运算较为简单的数学形态算法。首先对位平面技术的理念和运行策略进行分析;其次对基于位平面的纸病检测算法进行论述,从自适应中值滤波、获取图像的增强位平面、用数学形态学算法进行边缘检测等角度进行了详细研究;最后对该种类的纸病检测数学形态算法进行方针结果分析,认为该种算法能够在运算简单的基础上,更好地检测出纸病缺陷提供优良的纸病检测抗干扰性的定位精准性算法。     

基于数学形态学算法的纸病检测及IDL应用

本文介绍了采用数学形态学算法从纸样图像中提取纸病的方法。运用第四代计算机语言IDL（Interactive Data Language）完成了数学形态学的膨胀、腐蚀及梯度运算,并实现了纸样图像中纸病边缘的检测．结合阈值分割方法得到纸病检测和分割结果     

基于粒子群优化算法与形态学的纸病图像检测方法

针对传统边缘检测算子对纸病图像检测的不足,提出了一种基于粒子群优化算法和数学形态学的边缘检测方法。首先通过粒子群优化算法得到图像最优分割阈值,将图像二值化,然后利用数学形态学中的腐蚀运算对纸病图像进行边缘检测。仿真结果表明,相比传统算法,该方法的检测结果更真实地反映了纸病图像的形态特征,且边缘定位准确,取得了较为理想的检测效果。     

基于Gabor滤波器的低对比度纸病检测算法

针对现有的纸病检测算法对裂痕、褶皱等低对比度纸病检出率低、抗干扰能力差的问题,提出一种基于Gabor滤波器的纸病检测算法。首先使用Gabor滤波器以及Gaussian滤波器去除纸张纹理干扰,增强纸病区域对比度;然后使用Laplasian算法进行边缘检测,最后使用形态学闭运算得到完整的纸病边缘图像。实验结果表明,该算法对低对比度纸病检测正确率高,并具有良好的抗干扰性能。     

针对纸病检测的实时污点提取算法

提出一种高效、实时的专门针对纸病检测的污点提取算法。该算法对CCD相机采集的每一行图像数据进行即时处理,并立即判断该行数据上有几段污点线段,该污点线段是否与上行数据的污块相连通。算法通过逐行扫描的方式,将被检测污块逐段向下推进,直到认为到达污点的最下方边沿。实际应用结果表明,该算法适用于检测任意形状的污块。     

基于Prewitt算子与形态学的纸病图像检测方法

针对Prewitt算子在检测中存在的边缘不连续性的问题,提出一种基于Prewitt算子和数学形态学的纸病图像边缘检测方法。首先利用Prewitt算子对纸病图像进行处理,然后将处理后的图像进行形态学的闭运算。实验表明,该方法结合了两种检测方法的优点,有效地提高了边缘检测的准确性,得到了比较理想的纸病边缘检测效果。     

基于快速傅里叶变换和改进分水岭算法的纸病实时检测复合算法

本课题提出了一种适合高速宽幅造纸机纸病在线实时检测的复合算法,该算法的基本思想是：首先通过快速傅里叶变换（fast Fourier transform,FFT）将时域图像转换到频域,以便使用频域图像与高斯（Gaussian）高通滤波器做乘积运算进行滤波;再通过快速傅里叶逆变换（inverse fast Fourier transform,IFFT）将频域中的图像转换到时域,以便下一步使用运算速度较快的分水岭算法对滤波后的图像进行快速缺陷分割,实现纸病在线实时检测。利用采集到的2000余张纸病图片进行纸病检测实验,结果表明,本课题提出的复合算法具有快速、高效、适用性强、分割效果好等优点,可满足纸病在线检测对图像处理算法实时性和准确性两方面的要求。     

基于机器视觉的低对比度纸病识别算法研究

利用机器视觉识别纸病时,若背景与目标纸病的对比度低,且采用单一的边缘检测算法,将会出现对目标纸病边缘定位不准确、抗噪性能不好等问题。对此,提出了一种解决方法,即首先分别用LOG算子和基于数学形态学的边缘检测方法对低对比度纸病图像进行边缘检测,然后对这两种边缘检测算法得到的图像进行小波融合,融合得到的图像中纸病边缘定位准确且具有一定的抗噪性,最后,对此进行了实验验证。研究结果表明,文中提出的解决方法可行,即可将该方法用于基于机器视觉的低对比度纸病识别。     

基于CB形态滤波的形态学纸病检测方法研究

提出了基于轮廓结构元素形态学（CB形态学）滤波的形态学纸病检测方法。首先采用CB形态学对纸病图像进行滤波,力求在滤波的同时不损失图像的细节,然后再用形态学算子对图像进行边缘检测,最后结合传统的区域分割算法得到纸病检测结果。仿真结果表明了本文提出的纸病检测方法的有效性。     

纸病图像检测与分割的二阶段方法

提出了纸张表面纸病检测与分割的二阶段新方法.通过对纸张微观结构中纤维分布的分析,由统计学分析原理建立了纸病图像的二阈值分割法,利用质量控制图结合具体纸样进行了纸病特征的提取,利用数学形态学操作对二值图像进行了滤波和分割检测.结果表明:二阶段分割阈值检测方法对纸病图像的分析十分简单、有效.     

基于几何及灰度特征的纸病检测算法研究

针对当前纸病在线检测系统实时性强和信息量大的特点,提出了一种高效、灵活的基于几何及灰度特征的纸病检测算法.首先采用邻域均值法对纸病图像去噪,然后根据灰度直方图选取合适阈值将图像二值化,并运用边界跟踪法检测出纸病边缘,最后提取出纸病的几何及灰度特征并分析其特征量将纸病分类.按照该算法依次对常见5种纸病进行检测,结果表明,基于几何及灰度特征的纸病检测算法能够准确地检测并分类常见纸病.     

基于相位一致性的低对比度纸病识别算法研究

针对机器视觉检测低对比度纸病,存在常规的阈值分割会引起低对比度纸病信息丢失以及边缘检测存在鲁棒性差的问题,本课题提出了一种基于相位一致性算法识别低对比度纸病的方法,并与常规的阈值分割以及边缘检测中具有代表性的canny算子进行了对比分析。结果表明,当识别低对比度纸病时,本课题提出的方法不仅保留的有用信息较常规阈值分割的多,而且鲁棒性较canny算子的边缘检测好。     

基于频闪成像的纸病检测系统光源优化技术

近年来,基于机器视觉的纸病检测技术可以在纸张的生产过程中完成对纸张质量的监测和纸病信息反馈,所以一直是国内外相关领域的研究热点.但是随着纸机车速的加快和纸张幅宽的加大,尺寸小的纸病很难被检测出来,而且采集到的纸张图像质量差.针对在采集纸张图像过程中出现的横向波纹现象.通过香农采样定理的逆向分析,总结出横向波纹产生的原因...     

基于改进Hough变换的复杂纸页缺陷检测算法

采用传统Hough变换法检测复杂纸页缺陷如褶皱、条痕等直线类特征纸病时,不能有效分辨具有较近斜率或截距的多直线特征.在标准Hough变换的基础上将Hough变换域空间变换为二维图像然后对其进行纸页缺陷特征提取,从而更加精确地检测出褶皱或条痕类纸病.经实验证明,改进的Hough变换在检测精度和时间上都优于标准Hough变换.     

一种基于连通域标记的纸病检测算法

提出了一种基于段的连通域标记处理算法,同时对纸病区域进行连通域标记和形状特征值提取,旨在提高纸病检测的准确率和效率。该算法利用纸病区域为简单连通图像的特点,采用段技术实现了纸病区域的标记处理,探讨了在标记处理同时快速统计与形状特征值计算有关的中间参数的方法,利用标记结果及形状特征值实现了纸病的快速检测。该算法优化了标记处理与形状特征值提取的过程,减少了纸病图像的扫描次数。结果表明,该算法达到了准确、快速的纸病检测效果,且易于扩展到实际的纸病检测系统中。     

一种基于分块思想的多纸张缺陷一次提取算法

为了解决纸张缺陷检测中多个纸病区域的提取实时性问题,提出了一种采用“先分块、后合并”思想直接对实时图像数据流进行处理的并行化纸病提取算法。该算法充分利用现场可编程门阵列（FPGA）的并行处理特性,在跨时钟域对图像数据进行传输的同时,在另一个分支流程中并行地对分块缺陷连通域进行标记以获取每个缺陷的相对位置坐标,最后以包围盒的形式提取出纸张缺陷区域。该算法基于分块思想,分支处理过程不需要消耗主流程额外的处理时间且硬件资源占用率极小。实验结果表明,该算法能够准确、快速地提取出各种常见纸张缺陷,具有很强的灵活性和实时性,能够满足在线纸病检测的实时性要求。     

基于CNN的深层次特征提取纸病辨识方法研究

针对当前纸病检测方法中纸病特征量难分离以及难点纸病特征量难构建的瓶颈问题,提出基于卷积神经网络（CNN）的纸病辨识方法。该方法根据纸病图像的特点设计了纸病检测的CNN结构,在此基础上利用CNN自动提取纸病图像的深层次特征,结合Softmax实现对纸病的辨识。实验结果表明,基于CNN的深层次特征提取纸病辨识方法优于现有的纸病检测方法,能够对包括难点纸病在内的各种纸病进行精确辨识。