基于小波分析的织物疵点视觉检测方法

采用了二维离散小波变换对织物图像进行处理,根据小波变换后高、低频分量的特点,提取分解子图像特征值,送入BP神经网络进行识别,从而实现织物疵点的检测.     

基于小波变换的图像边缘检测

本文主要对目前存在的图像边缘检测的方法进行了研究分析,重点研究了小波变换在图像边缘检测方而的优势,提出了基于连续小波变换的边缘检测方法,并编程展示编码的结果,验证其在实际应用中的可行性。     

基于数学形态学的织物疵点检测方法

针对织物中普遍存在的破洞、断经和缺纬三类疵点,提出了一种基于数学形态学的织物疵点检测方法.首先运用自相关函数和快速傅立叶变换找出织物经纬结构上的重复单元,然后以这些重复单元作为依据,运用形态处理学中的腐蚀背景法和膨胀目标法确定图像中的疵点信息,通过不同疵点样本对该方法进行仿真实验.运用该方法可使疵点识别率达到97%.实验结果证明该检测方法是可行的.     

织物疵点检测与识别的方法研究

将织物图像分成大小相同的局部窗口,选取局部熵最小的窗口为待研究的感兴趣区域,在此区域内分割出疵点图像并用数学形态学中的开运算滤除噪声,计算疵点形状因子等作为识别参数,研究表明此方法因能避免对整幅图像进行复杂运算,在提取特征参数时对图像的全局搜索,具有识别正确率高、检测速度快等优点．     

基于小波变换的金相图像边缘检测

本文利用小波变换原理对金相图像进行边缘检测,对边缘定位准确,检测边缘较光滑,图像的骨架连续.     

基于小波变换的图像边缘检测算法的研究

在对经典的图像边缘检测算法深入分析的基础上,进一步完善了基于小波变换的边缘检 测算法.随尺度增加,边缘和噪声的小波幅值表现出不同变化特性,从而在低信噪比的信号中检测出噪声和边缘.实验结果表明,基于小波变换的图像边缘检测算法能够比其它算法保留更多的图边缘信息,鉴别出伪边缘,其精度能够满足基于图像处理技术的各种质量检测系统的要求.     

基于小波变换与形态学的车牌定位方法

针对信号噪声环境下的车牌定位问题,提出了一种基于小波变换和数学形态学的图像定位方法.该方法先用自适应滤波多尺度边缘检测方法检测出车牌的边缘;然后用数学形态学方法对阈值二值化后的边缘图像进行系列形态运算,进一步消除无用信息;最后用基于车牌底色识别的方法进行车牌定位.实验结果表明,该方法定位效果好,适于有噪声的车牌图像进行定位.     

Canny准则小波边缘检测在图像融合中的应用

提出了一种新的图像融合方法。该方法选择Canny准则作为边缘检测的基础,并结合小波变换算法,确定图像边缘位置。在小波域中,对高频信息依据其是否为边缘点采用不同的融合策略,对低频信息利用加权法进行融合,再进行小波逆变换重构融合图像。实验结果表明,提出的算法在抑制噪声的同时,能有效地突出边缘细节,更好地保持图像的空间分辨力。对于多聚焦图像的融合,偏差度为0.0520,熵为7.6609,相似度达到0.9985。     

基于形态学和小波包变换的中波细分红外图像的二次融合

提出了基于形态学操作和小波包变换的红外中波细分波段图像的融合方法.通过形态学腐蚀膨胀操作、加权叠加实现两幅细分波段图像的局部融合,消除第一细分波段图像的太阳照射饱和区;利用二维离散小波包变换对局部融合图像和第二细分波段图像进行全局融合,将两幅图像的细节信息综合起来,使图像更清晰.实验结果表明,通过两次融合的图像消除了太阳照射造成的饱和区,同两幅原图像相比,局部标准偏差和局部熵分别增加了21.06%和9.20%,证明了融合方法的有效性.     

基于数学形态学的彩色图像边缘检测

为了克服传统边缘检测方法对噪声敏感的缺点,提出了一种基于数学形态学的彩色图像边缘检测新方法。该方法是在RGB空间内,把每个像素作为一个向量进行排序,将灰度形态学推广到了彩色图像。然后通过分析噪声（主要是椒盐噪声）污染图像的特点对彩色图像形态学基本算子进行了改进。改进后的算子有很强的抗噪性,可以直接实现边缘检测。实验表明,与传统方法相比,该算法能够更有效地抑制噪声对边缘检测的影响,并较好地保持图像边缘细节。     

基于小波多尺度积与形态学的瑕疵检测算法

针对布匹瑕疵种类多以及单个方法仅对特定类瑕疵有效的问题,提出一种新的基于小波多尺度积和数学形态学的布匹瑕疵检测算法.首先对输入图像进行二进小波变换后,低频近似子图经过数学形态学运算,得到良好的瑕疵形状特征,然后对高频子图使用小波多尺度积方法,可以抑制噪声的同时增强瑕疵的边缘线性特征,最后融合得到最终的检测结果.实验结果...     

基于边缘检测的邻域加窗图像去噪算法

针对目前图像去噪算法中,消除噪声的同时又破坏边缘细节信息的问题,本文提出了结合边缘检测及邻域加窗的新算法.该算法采取平稳小波基以保持相位不变性,对低频和高频子带进行边缘检测,并将检测后的边缘信息选择后融合,即可得到原图像近似的边缘信息.依据小波方向性特点和层内相关性原理,对不同的子带在非边缘信息处采用不同的模板进行加窗处理.实验结果表明,该方法在降低了图像噪声的同时又尽可能地保留了图像的细节,较好地复原了图像.     

基于数学形态学的HSI空间彩色边缘检测方法

针对在RGB空间中很难有效区分颜色相似性的问题,选择更加符合颜色视觉特性的HSI颜色空间进行图像处理,提出一种基于HSI空间的多结构多尺度自适应彩色图像边缘检测方法.首先对H、S、I三个分量采用不同结构和不同尺度的结构元素进行形态学边缘检测,然后对三个边缘分量利用信息熵加权得到融合后的彩色边缘信息.实验结果表明,该方法可以充分利用彩色图像的色度,饱和度和亮度信息,有效地抑制噪声,自适应地提取完整的边缘信息.     

用多结构元素实现医学图像边缘检测

为了简单有效的获得医学图像边缘,本文从数学形态学的角度出发,利用多结构元素对不同方向的边缘敏感来保留更多的边缘细节信息,提出了一种改进的形态学边缘检测算法.本文首先将形态学的BTH与WTH运算相结合进行图像增强,再结合开闭运算提出了一种抗噪型的边缘检测算子,对运用多结构元素得到的边缘图像进行累加,最后对该叠加后的边缘图像进行修正得到最终结果.实验证明,该算法在抑制噪声对边缘的影响和保持图像的边缘细节上,均取得了很好的效果,具有一定的实用性.     

基于HSI空间彩色图像多结构元形态边缘检测

构建了一类在HSI 颜色空间基于多结构元彩色形态边缘检测梯度算法实现彩色图像边缘检测新方法,多结构元形态边缘检测有着比单一结构元素形态边缘检测更优越的性能。所定义的算法充分考虑了边缘的方向性和噪声对边缘检测的影响,本算法在噪声抑制方面显示了优良的性能,能满足不同应用的需要。     

基于高斯金字塔和视觉显著性的色织物疵点检测

目的为了提高色织物疵点检测的准确率。方法提出一种基于高斯金字塔和视觉显著性的色织物疵点检测方法。首先预处理待检测色织物图像,削弱不均匀光照和环境造成的影响;再对预处理后的图像进行灰度化,接着对灰度图进行高斯金字塔分层,然后对分层后的图像进行显著性处理,以获取图像的显著图;最后利用迭代阈值分割的方法对显著图进行阈值分割,得到色织物图像的疵点区域。结果将该方法与其他色织物疵点检测方法进行对比可知,检测的效果明显优于其他方法,疵点检测的准确率为91.25%。结论该方法可以有效地对色织物疵点进行检测,将疵点区域提取出来,为色织物后续生产中的加工处理提供有用信息。     

多尺度形态学图像边缘检测方法

在形态学边缘检测算子的基础上,综合形态膨胀和形态腐蚀,得到修正的边缘检测算子,以减轻图像边缘检测的模糊性;进行形态结构元素尺度调整,并综合各种尺度下的边缘特征,得到噪声存在条件下较为理想的图像边缘。实验验证了该算法的可行性和有效性。