基于自适应神经模糊推理系统的纸病二次辨识

针对造纸生产线上宽幅高速纸机纸病检测系统快速性和精确性的挑战,提出"工业相机+FPGA(Field-Programmable Gate Array)+计算机"模式下的基于自适应神经模糊推理系统的纸病二次辨识方法。使用CCD相机采集纸张图像,通过FPGA完成图像预处理和一次辨识(粗辨识+过辨识);计算机通过自适应神经模糊推理系统(ANFIS)对疑似纸病区域二次辨识(精确辨识),判断出纸病和种类。实验表明,该方法能够准确地辨识各种纸病。     

基于FPGA的纸病提取系统的设计

研究并设计了一种基于FPGA的纸病提取系统,实现造纸过程中纸病部位图像的提取。通过FPGA内部硬件电路进行图像采集、预处理和纸病提取,借助NIOS II软核处理器实现纸病数据的发送,使用计算机从网络接收数据并重组图像,最后得到只含有纸病部位图像的数据。该系统可根据不同的纸机要求灵活配置,在不影响整体性能的前提下,增强系统数据处理能力。经测试,该系统能够稳定可靠地实现纸病提取功能,与纸病识别系统相结合即可实现纸病检测,为纸机的日常维护提供保障。     

基于FPGA的纸病预处理系统

针对当前计算机串行数据处理方式难以适应在线纸病检测系统数据实时处理量大的瓶颈问题,采用“FPGA+计算机”的纸病检测硬件结构,利用FPGA(现场可编程门阵列)的并行特性实现图像处理算法的硬件加速,对CCD高速摄像机拍摄的纸病图像进行预处理,初步确定可能出现纸病区域的位置和大小,并将这些区域的图像信息通过以太网发送到计算机做纸病的进一步辨识和分类.试验结果表明,这种结构可以极大地减轻计算机的运算量,提高纸病检测系统的精确度和效率.     

基于两次二维Daubechies小波变换的纸病在线辨识方法研究

针对造纸生产线上纸病在线检测系统光源不均匀性和纸病难以识别的问题,通过建立纸病图像背景模型实现动态补偿光源的不均匀成分,并根据不同纸病图像的灰度分布规律,两次使用二维小波变换增强其灰度轮廓信息和提取灰度特征,以实现纸病的在线辨识。实验结果表明,该方法可以显著提高纸病辨识精度。     

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。     

基于“选择性缓存处理机制”的FPGA纸病检测系统

针对纸病检测系统普遍存在的快速性与实时性均较差问题,借鉴人眼视觉中“选择性注意”机制,提出了采用“选择性缓存处理”方法快速提取与检测纸病。系统采用“CCD + FPGA”的模式,利用FPGA流水线并行处理特性对线阵CCD采集到的图像数据流进行预处理与特征提取,并同时缓存纸病区域图像。由于整个处理过程为流水线式并行处理,且仅缓存纸病区域图像,因此极大地提高了纸病提取检测的速度并节约大量的存储空间。结果表明,该方法硬件资源占用率极小,且能快速、准确地提取纸病信息,具有很强的灵活性与实时性,可以满足高速纸机实时检测的需求。     

边缘跟踪算法在多纸病图像分割中的应用

为了解决纸病检测中多纸病图像分割问题,提出了一种改进的边缘跟踪算法。该算法首先搜索得出纸病边缘的链码,并通过记录坐标取得图像的外接矩形,然后提取每个矩形中的纸病图像。结果表明,该算法能够有效提取纸病图像的边缘,并对多纸病图像能够完成精确的分割。     

基于SVD和SVM的复杂背景噪声图像的纸病辨识

针对纸病图像的复杂背景噪声造成的纸病辨识结果不理想的问题,提出一种基于奇异值分解(SVD)和支持向量机(SVM)的纸病辨识方法：首先利用多层二维小波对纸病图像背景噪声去噪,然后用SVD对纸病进行特征提取,最后采用SVM对纸病进行辨识。实验结果表明,该方法可以有效辨识纸病,且不受实际生产过程中图像复杂背景噪声的影响。     

基于PCA的纸病特征再提取算法研究

针对传统纸病检测中相似纸病辨识准确率低及纸病提取特征维数高致使纸病辨识过程时间较长的问题,提出一种基于主成分分析（PCA）的纸病特征再提取算法。该算法以多种纸病的图像为研究对象,对可能存在相关关系的高维原始纸病特征量进行PCA降维处理并去除相关成分,形成相互独立且更具代表性的纸病新特征,在减少数据处理量的同时使纸病辨识准确率明显提高。实验表明,PCA算法可显著提高纸病辨识准确率并可大幅缩短算法平均运行时间。     

基于朴素贝叶斯分类器的纸病离线静态辨识方法研究

针对当前纸病处理方法通用性弱、鲁棒性差的问题,研究了一种使用概率精确判别纸病类别的方法。该方法通过训练样本获得各类纸病特征量的条件概率分布,利用朴素贝叶斯分类器原理求得某一纸病特征向量属于各种纸病的后验概率,进而通过比较各后验概率的大小进行纸病辨识,这可满足纸病辨识的静态性能要求,同时,利用朴素贝叶斯分类器具有最小错误率的特点,保证纸病辨识精度。实验结果表明,该方法具有很强的通用性,能够有效、快速地对纸病进行辨识。     

基于FPGA和CCD相机的纸病检测系统的设计与实现

针对高速纸机纸病检测时,图像数据处理量大和实时性的要求,文中采用FPGA(Field Programmable Gate Array)和线阵CCD(Charge-coupled Device)相机技术,介绍了一种高速纸病检测系统的设计。利用FPGA并行性和高速运算能力的特点,控制线阵CCD实现高速下图像采集和进行纸病图像预处理,抓取出纸病图像并上传到上位机,然后利用灰度阈值分割和二值图像分型盒维数的方法确定纸病类型。结果表明,该设计有效提高了纸病检测速度,降低了成本。     

基于多尺度特征融合注意力机制的纸病分类方法研究

针对造纸工业中传统纸病分类算法准确率低的问题,本课题提出一种多尺度图像增强结合注意力机制的方法;采用锐化滤波器和对比度增强操作获得图像对直线信息的响应,同时利用Sobel边缘检测获取图像对边缘信息的响应,然后将这些响应分别放进卷积神经网络(CNN)中提取浅层局部信息后进行特征融合,得到全局信息,最后利用注意力机制,通过关注这些图像中最有特点的部分,进行纸病分类。实验表明,该方法优于HOG+SVM、LBP+SVM以及传统CNN等方法,在自建数据集上,分类准确率可达到96.63%;与现有基于CNN的纸病分类算法相比,所需的数据量更少,分类效果更好。     

马尔可夫随机场在纸病检测中的应用研究

纸病检测是造纸生产过程中重要的环节,现有的纸病检测系统一般采用阈值算法或边缘检测算法对图像进行分割。为解决阈值分割和边缘检测分割方式中存在的误分以及过度分割问题,本研究提出了基于马尔可夫（MarKov）随机场的纸病图像分割方法。通过MarKov随机场理论对纸病图像纹理进行分析得到纹理特征参数,利用纹理特征参数以及最大差值对正常背景和纸病区域进行分割。结果表明,相比于其他分割算法,基于MarKov随机场的纸病图像分割方法可有效提取出纸病图像的纹理细节和轮廓特征,提高分割的准确度。     

基于阈值分割及分形特征的纸病图像识别算法研究

针对脏点、孔洞、褶子和裂口等常见的典型纸病识别问题,在分析纸病图像灰度特征及分形特征基础上,提出了一种基于图像双阈值分割盒维数特征的纸病识别算法,该算法采用灰度阈值分割提取纸病区域及二值数字图像分形盒维数计算结果,确定纸病类型.实验结果表明,该算法识别率较高,且简单迅速.     

改进Hough变换在纸病检测系统中的应用

通过对褶皱纸病的分析研究,提出一种基于改进Hough变换的检测方法.利用边缘检测对纸病信息进行去噪和简单提取,采取Hough变换的方法将纸张从图像灰度空间转换到参数空间,从变换后的参数空间中提取纸病图像中的褶皱特征并进行识别.实验结果表明,此方法识别率高、计算速度快、检测效果好.     

基于FPGA的纸病检测预处理算法的实现

利用DSP Builder工具在MTALAB/Simulink中设计纸病图像预处理算法,然后将算法的Simulink模型转换为FPGA的硬件代码。硬件在环测试验证了算法可以对纸病图像进行滤波、检测边缘和定位处理。利用FPGA对纸病图像进行预处理,可以满足纸病检测系统需实时处理大量数据的要求。     

基于TMS320DM6467的红外图像超分辨率重构系统设计

本文设计了一种基于FPGA和DSP架构的红外图像超分辨率重构系统。采用TI公司高性能DSP（TMS320DM6467）和Xilinx公司FPGA（VIRTEX-4）作为核心处理器。DSP模块承担目标图像重构算法运算,FPGA模块负责图像预处理及与主控计算机通信。通过合理的任务调度,充分发挥DSP并行运算的灵活与速度优势和FPGA实现的快速性与通用性。结合改进PCOS超分辨率算法,可稳定获得较高质量的重构红外图像。应用结果证明该重构系统设计合理,具备较强的实用性。     

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.     

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。