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MRF层次模型的贾卡经编针织物图像分割技术

基于贾卡织物特点和层次马尔科夫随机场建模,提出一种贾卡经编针织物图像的分割方法。贾卡织物图像在扫描过程中因其立体肌理会带来噪音信息,需进行高斯低通滤预处理,在此基础上,采用haar小波进行多尺度分解以模拟人类视觉处理信息过程。在特征场建模上采用有限通用混合模型来逼近贾卡织物图像的小波系数,同时融合零均值隐状态的混合概率分布函数来描述贾卡经编针织物图像的噪音信息,在标签场建模上采用尺度内的非因果马尔科夫和尺度间因果马尔科夫来确定先验模型,在贝叶斯准则下完成图像分割。结果表明,该方法能较好地实现贾卡经编针织物图像的纹理分割。     

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。     

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。     

经编贾卡织物纹理分割与轮廓提取技术

为进一步提高经编贾卡织物智能分析水平与设计技术,提出一种基于小波变换和Canny算子的贾卡织物纹理分割和轮廓提取算法.该算法首先采用具有局部定域能力和多分辨率能力的小波变换作为分析工具,将织物图像中的低频部分作递归金字塔结构分解;然后从分解后的最大尺度水平开始,逐层图像聚类,并融入下一尺度水平上的高频信息实现纹理的重构...     

应用单演小波分析的织物疵点检测

为了解决现有织物疵点检测算法对种类繁多的疵点形式尤其是对微弱纹理变化疵点的适应性较弱问题,提出以单演小波分析工具为基础的织物疵点检测算法。通过拉普拉斯分数阶算子与多重调和样条构建各向同性拉普拉斯小波后,对其进行Riesz变换构建Riesz–拉普拉斯小波,实现了织物图像的单演小波分析。对单演小波分析结果中的多分辨率方向与振幅子带,分别设计了最优响应子带判断标准以及最优响应子带分割方法。实验结果表明,本文提出的检测算法可有效分割不同织物纹理中的多种类疵点,分割结果可反映疵点位置与轮廓,对342幅实验样本图像实现了97.37%的检出率,具有较好的自适应性与鲁棒性。     

基于计算机技术的纺织印染图像分割算法研究

利用基于区域分割的多尺度分割算法对织物印花图案进行分割,得到了高质量的平滑图案。所得平滑图案中观察不到原织物的纹理,且印花细节保留得较为完整,可用于进一步的轮廓提取。经轮廓提取后,得到了与原图高度契合的轮廓提取图案,且图案的边缘细节信息完整,能够用于印花的重新配色和组合。     

基于小波变换与形态学的织物毛球检测

在织物起毛起球的检测过程中,织物纹理信息的滤除是织物起毛起球图像处理过程中的关键一步,虽然现有的方法也取得了一些成果,但仍有需要改进之处。针对此,本文提出对织物起毛起球图像进行预处理,然后进行纹理分割;重点研究了采用二维离散小波变换对起毛起球图像进行多分辨率分解与重构,并根据每层分解后高频能量的变化确定纹理与毛球的最佳分割层次;最后运用数学形态学的腐蚀、膨胀对图像进行增强,分割出完整清晰的毛球图像。     

基于小波分析的织物起毛起球评价

对织物起毛起球图片进行预处理,先进行灰度转化,边缘平滑,去除光照不匀等基础处理,然后进行图像分割处理.重点研究了利用Matlab小波工具箱函数,根据小波多分辨率的特点,实现对起毛起球织物图像的多层二维小波分解和重构,计算二维小波分解的能量,分解图像的高频和低频信息,确定最佳熵值,最后找出纹理与毛球的最佳层次分割点.     

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.     

纸张喷墨打印质量检测系统的建立和研究

介绍了自行设计的可视化检测系统,以此来评定喷墨打印纸的打印质量.根据喷墨打印时产生的毛细管现象、羽化现象、渗透现象和渗色现象,确定了通过统计打印点面积的扩散比、边缘粗糙度和圆度偏差而得的喷墨打印质量指数来作为评定依据,开发了图像检测软件,对6种不同品牌的喷墨打印相纸进行了测量及评价.实验表明,该系统能够以定量、客观的方式来评定喷墨打印纸的打印质量,确定喷墨打印纸的最佳打印分辨率和优化工厂生产工序.     

基于JSEG算法的纺织品印花图像分割

 针对机器视觉对纺织品印花精度的检测问题,提出了利用JSEG算法对印花的纺织品图像进行分割。主要通过对图像的滤波,颜色的矢量化和区域的增长与合并,完成图像区域的分割。通过实验给出了颜色量化阈值和区域合并阈值对图像分割的影响以及选取的方法,最终给出该算法对印花纺织品图像的分割效果图,表明该算法利用颜色信息和区域信息,对包含纹理信息的彩色印花图像有良好的分割效果,并且对由日光引起的一些干扰有一定的抑制作用。     

非线性多尺度分析与自适应图像分割

以基于小波变换的非线性多尺度分析为基础,提出了一种新型的图像特征增强算法,该方法可有效地用于图像区域分,文中以光滑尺度函数产生局域平均权值,用光滑差（ｄｉｆｆｅｒｅｎｃｅ ｏｆ ｓｍｏｏｔｈｉｎｇ）小波变换图像以提取图像的局域亮度变化,从而实现了基于尺度－空间对比度增强的自适应图像分,在实验中,以在视觉信息处理中表现出良好性能的高斯函数为尺度函数,通过对尺度－空间对比度取阈值来实现图像信息的增强,     

织物悬垂测试系统中织物边缘的识别

由于织物花纹式样的多样性,传统的图像分割算法常常无法准确地识别出织物边缘轮廓。根据织物悬垂图像的边缘轮廓特点,提出采用基于梯度向量流场(GVF)的动态轮廓模型(Snake模型)来识别织物的边缘轮廓。采用贪心算法实现了Snake边缘检测模型,分别用该模型和基于边缘梯度扫描的算法识别5种典型印花织物悬垂边缘,并将2种算法得到的边缘轮廓进行了比较。实验结果表明,该边缘检测模型能准确地识别多种传统图像分割算法所无法准确识别甚至无法识别的特殊织物的边缘轮廓。     

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。     

基于边缘和颜色特征的织物印花花型检索

针对织物印花花型同型不同色和同形异构的特点,提出了一种综合花型边缘和颜色特征的图像检索算法。首先利用中值滤波对花型图像进行滤波去噪,并采用Canny算子获取花型边缘;以边缘像素坐标加权中心点为圆心,将各边缘点划分到若干等距环面内,提取花型边缘距离直方图,并在对边缘像素点直线拟合基础上,提取边缘方向直方图;然后在HSV空间内对彩色边缘进行颜色量化,提取各颜色分量构成颜色直方图;最后对3种特征分别进行相似性度量,并赋予三者不同权重予以结合,获得图像间相似度。结果表明,该算法具有平移、缩放、旋转不变性,并能兼顾边缘特征和颜色特征对检索结果的影响,准确区分同型不同色和同形异构的花型图案,该算法平均查准率可达93.17%。     

基于RPCA的纸病图像分割算法

针对实际纸病检测应用中采集到的图像分辨率越来越高,在图像处理过程中出现数据维数过大的问题,提出一种基于鲁棒主成分分析法(Robust Principal Component Analysis,RPCA)的纸病图像分割算法,该算法将纸病图像对应的矩阵分解成稀疏矩阵和低秩矩阵。在后续检测中只需选取稀疏矩阵对应的图像进行检测就可以满足纸病检测的要求,有效减少了计算量,最终节省了整个纸病检测环节的检测时间。仿真结果表明,该方法可用于纸病图像的分割,并且具有良好的分割效果。