织物表面疵点检测方法的设计与实现

针对传统织物生产企业中,人工检测织物存在瑕疵检出效率低、误检率高的问题,提出了一种织物表面疵点检测方法。该方法首先采用高斯滤波、线性归一化以及限制对比度自适应直方图均衡化对织物表面图像进行预处理,从而有效增强图像中的疵点表现细节,然后通过改进的Gabor优化选择,再对选择后的图像进行初分解,从中挑选出最优滤波图像进行二值化处理,最后运用统计学方法进行疵点判断并获得最终结果。该方法实现简便、硬件要求低、适应性广,可用于判断织物表面是否含有疵点,并定位疵点。实验证明,织物表面疵点检测准确率高达95.38%。     

织物疵点图像预处理方法的研究

织物疵点图像的预处理是疵点自动检测系统的一个重要步骤,对各种疵点检测方法的检测效果具有重要的影响。通过对预处理实验进行分析,找出了对疵点图像进行预处理的较好方法,即采用零均值图像进行图像增强,采用均值滤波进行图像消噪。     

基于图像最大熵的织物疵点检测方法

对织物表面疵点自动识别方法进行了探讨.将信息熵引入图像处理中,先通过最大熵快速迭代算法对织物疵点区域进行分割,把疵点图像分为背景和目标两部分;然后找出疵点区域的中心并求出疵点区域在纬向和经向上的方差;最后通过两者的比值与设定常数的比较,判断出疵点类型.仿真实验表明该方法对常见织物疵点的检测是有效的.     

应用方向梯度直方图和低秩分解的织物疵点检测算法

织物疵点检测是织物表面质量控制的关键环节。基于方向梯度直方图(HOG)和低秩分解,提出一种有效的织物疵点检测算法。首先,将织物图像划分为大小相同的图像块,提取每个图像块的HOG特征,并将图像块特征组成特征矩阵,针对特征矩阵构建有效的低秩分解模型,通过方向交替方法(ADM)优化求解,生成低秩阵和稀疏阵;最后采用改进最优阈值分割算法对由稀疏阵生成的显著图进行分割,从而定位出疵点区域。实验结果表明,低秩分解能有效实现织物疵点的快速分离,与已有方法进行对比,本文方法能显著提高复杂织物纹理图像的疵点检测性能。     

高效能的织物疵点识别算法及其实现

通过对织物结构的深入剖析，提出运用布纹的直线特征纹理，由概率统计生成直方图，有效地提取织物的特征波形，经大量试验检测证明特征波可靠稳定。基于波形参数对比能准确定位突变或异常位置，正确识别织物疵点。为简化识别算法可引入阀值过滤，允许正常波形参数通过而记录异常状态变化，用过滤单一的正常纹理来鉴别类型复杂的疵点，成为简单高效的织物视觉检测算法。     

织物疵点图像边缘检测算法研究

阐述了一阶、二阶微分,Canny和基于小波等多种图像边缘检测方法,并对织物疵点图像进行了边缘检测,分析了各种方法在图像边缘检测应用中的优势和缺陷,结果表明,Canny和小波检测算法对织物疵点图像的边缘检测能够得到满意的效果,提供了较好的织物疵点边缘检测的途径。     

织物疵点自动检测技术的研究进展

介绍了织物纹理特征的提取算法、疵点分类方法和织物图像处理的硬件平台.在分析了各种算法的优点和缺点的基础上,提出了将织物疵点的检测分为粗检和细检两个过程的新思路,既可满足快速性的要求,又具有广泛的适应性.     

基于Frangi滤波器的织物疵点检测方法

提出了一种基于Frangi滤波器的织物疵点检测方法。该算法首先对样本织物图像进行均值下采样处理,淡化和消除背景纹理对织物疵点检测的影响,然后将均值下采样处理后的图像经Frangi滤波器进行滤波,从而增强织物疵点部分以利于疵点的分割,最后对Frangi滤波后的图像进行阈值分割,分割出织物疵点部分。采用该算法对6种纹理织物进行处理,检测出26种疵点,92%的疵点能被准确的检测和定位,误报率为8%,检测效果较好。     

基于小波包和图像融合的织物疵点图像预处理

在中值滤波的基础上,提出了小波包和图像融合的织物疵点图像预处理方法。利用小波包进行图像全局阈值降噪,分别采用软、硬的阈值方法得到两类图像,并将两类图像进行小波分解融合。结果表明,该方法可以很好地消除噪声和不必要的信息,同时保留了疵点信息。     

基于机器视觉和图像处理的织物疵点检测研究新进展

按照被检测的织物类型并根据当前研究中所使用的方法,简要综述了近年来基于机器视觉和图像处理的织物疵点检测系统新的应用和发展情况。首先分析了织物疵点自动检测研究的理论和现实意义。给出了织物疵点检测系统中视觉图像获取和疵点图像检测两个关键部分的架构。说明了迫切需要进行检测的两类织物白坯布和色织布,着重讨论了对这两类织物进行疵点检测的各种新方法,并详细说明了其检测效果和存在的不足。最后给出了疵点检测研究的几点建议。     

Matlab用于织物起毛起球图像的小波消噪处理初探

文章利用Matlab强大的图像处理工具箱和小波工具箱,对起毛起球织物图像进行消噪处理。研究结果表明,这种方法是行之有效的。     

机械图像处理技术在织物疵点检测中的应用

提出了一种基于机械图像处理技术的织物疵点检测新方法.首先对采集的织物图像进行小波变换,对增强后的疵点图像采用最佳阈值分割和形态学运算,最后对织物疵点进行边缘检测.比较表明,新方法优于经典的边缘检测方法,对织物疵点边缘检测更为有效.     

基于图像线灰度和BP神经网络的织物疵点检测

探讨织物疵点自动检测的方法。通过对4种常见织物疵点的图像进行线灰度曲线分析和处理,提取疵点图像的特征值,送入BP神经网络进行识别,从而实现织物疵点的检测。试验结果表明,该方法取得了较好的检测效果,织物疵点识别率达到93%以上。认为,此法能够有效识别出织物中的几类常见疵点,应进一步研究,以提高其识别准确率。     

基于图像处理技术的非织造布导湿性能仪器研制

从实用角度出发,设计了一套基于图像处理技术的织物导湿性能测试仪器。该测试仪器通过摄像头采集图像,运用图像处理技术,快速测量出织物中水滴的扩散面积,并将结果自动输出。通过测试并与其它方法进行比较,该仪器具有成本低、快速、准确、操作人性化等特点。     

图像处理技术在评估织物起球等级上的应用

介绍了应用图像处理技术评估织物起球等级的过程，主要包括织物起球图像的采集、图像的预处理、毛球的分割、特征提取和等级评定。图像的采集有两种方式，即灰度图像的采集和距离图像的采集，对采集到的起球图像进行预处理后，通过毛球分割，将毛球从图像背景中区分出来，根据分割的结果提取织物起球等级的特征指标，如毛球个数等，最后根据这些特征指标与标准等级特征指标对比进行起球等级的评定。     

基于MATLAB图像处理的织物纱线直径测量

针对织物中纱线细度的测量,先用切片技术制作织物切片获得其切片图,再用MATLAB图形处理函数对其进行处理以利于测量,然后使用CU-2纤维细度仪中的显微图像分析应用软件包测量出纱线直径,并与直接测量从织物中拆下的纱线直径进行了比较。结果表明通过MATLAB图像处理纱线切片的方法所测得的纱线直径准确可靠。     

应用图像处理技术检测磁环端面缺陷

以工业检测中的磁环缺陷检测为背景,利用MATLAB的图形用户界面开发环境开发了界面化磁环图像处理及检测系统。利用MATLAB提供的命令实现了图像的导入、导出及显示;依据磁环端面图像双峰灰度直方图的特点,通过归一化和迭代闽值法二值化导入的磁环图像,实现了计算机检测磁环端面的缺陷。     

基于图像处理技术的织物组织识别研究现状

总结基于图像处理技术的织物组织识别研究现状。在织物组织识别过程中,特征参数的提取和织物组织的识别是关键问题。针对这两个问题,概括和分析了近年来国内外研究人员的研究成果,包括基于频率域的傅立叶变换和小波变换、基于空间域的灰度共生矩阵、自相关函数、基于神经网络的方法和基于聚类分析的方法等;总结了当前织物识别研究中存在的不足。认为:基于图像处理技术的织物组织识别方法是建立在客观评价基础上的,具有准确、快速、效率高等优势,在纺织品检测领域具有良好的发展前景。     

基于图像处理技术的织物组织自动识别

文章给出了一种利用图像处理技术自动识别机织物组织的方案,实验证明测量结果对简单机织物而言具有良好的准确性,测量方法可代替人工操作,对织物的自动检测具有一定的参考价值。     

基于Delphi图像处理的织物悬垂性能测试

利用Delphi高级图像处理技术,采用测试织物悬垂性能最常用的伞式法。利用CCD摄像头取像后经USB接口传送到计算机,经过图像处理、图像运算,得到各种表征织物悬垂性能的指标。