圆网印花机错花在线跟踪调速技术的研究

介绍了一种采用闭环控制的圆网印花机错花在线跟踪调速技术,完成印染错花纠偏功能。通过图像传感器动态采集印染前花回标记,获得图像误差,然后经过控制器分析运算,输出控制信号,实现对花调节。同时,在线采集印染后的花回标记,反馈对花效果,进行二次补偿。在60m/min印染速度下,对花精度达到±0.8mm。实现了印染对花的智能化控制,提高了印染产品的质量和生产效率。     

SURF和RANSAC在图像拼接中的应用

图像特征检测在计算机视觉带动下得到了快速发展.SURF特征描述能够非常稳定快速地对图像特征进行检测和描述.RANSAC能够在inliers大于50％的条件下很好地估计出模型参数,在特征点匹配上起到了关键作用.本文利用SURF特征描述子对图像特征点进行检测和描述,然后运用交叉匹配的策略有效地消除一些错误匹配点对,然后运用RANSAC算法进行模型估计,最后使用线性加权的方式对图像进行融合.该方法利用了SURF快速检测和稳定性的特点和RANSAC算法时间复杂度小的特点进行特征点快速准确匹配,最终能够实现快速的图像拼接.     

一种基于加性噪声的通用隐写分析算法

隐写的过程相当于在原始载体图像中加入噪声"(隐写噪声"),针对加性隐写噪声模型,从突出隐写噪声的角度,利用自然图像相邻像素之间具有一定相关性和统计对称性的特点,提出一种新的通用隐写分析算法。该算法首先利用预测计算得到被分析图像的最大和最小预测误差图像,然后对这两幅预测误差图像计算联合概率分布统计矩阵作为特征向量,最后使用支持向量机(SVM)完成隐写检测。针对三种常用的隐写算法:LSB替换、LSB匹配以及LSB匹配改进算法的隐写结果进行检测,和目前典型的隐写分析算法对比,实验数据表明了该算法的有效性。     

基于Radon变换的机织物纬斜检测方法

利用图像处理技术分析纺织品的参数、确定其品质是纺织工业领域的一个发展趋势。为了准确检测织物的纬斜角度,提出了一种基于Radon变换的机织物纬斜检测方法。通过全1矩阵补偿织物图像的Radon变换,使其方差-倾角特性曲线呈现单一的峰值特性,将纬斜检测问题转化为峰值搜索问题,提高了检测的可靠性。提出了一种变尺寸搜索算法,利用图像尺寸的变化加快了纬斜检测速度,减少了检测耗时。实验结果表明,在合理的参数配置下,该方法用于检测机织物纬斜,能够确保不大于0.15°的检测误差,单次检测耗时不超过30ms。     

基于计算机视觉的墙地砖表面缺陷检测

提出了一种基于计算机视觉的墙地砖表面缺陷识别方法,利用改进的分块图像相减匹配和相关算法,对目标图像和模板图像进行分块处理,将对应子区域图像与数据库中相应模块图像进行相减匹配检测,利用相关系数来判断目标图像质量是否满足要求.实验结果表明使用本文方法能够准确地实现墙地砖表面缺陷检测,检测出墙地砖表面平均缺陷数目为4.5个,平均识别率达95.74％,优于直方图统计特征法和灰度共生矩阵法,具有实时、可靠、高效的特点,对墙地砖表面检测具有较大的实用价值.     

嵌入式织物经纬密度检测系统设计

近年来,数字图像处理技术在纺织行业中得到了广泛的应用.为实现对织物经纬密度的高精度自动检测,以ARM架构处理器为核心硬件平台,配合Linux操作系统,设计了一套小型化、高精度的嵌入式织物经纬密度检测系统.该系统使用微型光学镜头采集织物图像,结合直方图均衡、频域滤波等多种图像检测算法,实现对织物经纬密度的高精度检测.硬件设计部分详细介绍了检测系统的系统框架与硬件结构;软件设计部分介绍了基于FIQ中断系统的高速CCD图像传感器驱动设计方案、综合多种图像处理算法的纱线密度检测算法等模块.实验表明,对于经典斜纹机织牛仔布,手动检测与自动检测的相对误差在1％以内,检测效果令人满意,设备可以批量生产.     

角点配准与图像差分的接触网绝缘子故障检测

针对接触网棒式绝缘子分布及故障特点,该文基于Harris角点与图像差分实现了绝缘子的抗旋转匹配和故障检测。首先对选取的模板图像及待检测图像分别进行Harris角点检测;再利用序贯相似性检测算法SSDA(sequential similarity detection algorithm)对模板图像及待检测图像内角点匹配;接着对匹配后的角点进行模糊聚类,由于匹配会造成有用角点的丢失,故需对角点进行恢复处理;然后利用最小二乘法进行直线拟合;最终根据直线两侧图像的对称特性,差分图像并统计纵向灰度获取故障信息曲线,给出故障判断。实验结果表明:文中方法简单有效、易于实现。     

基于Mean Shift 滤波的织物疵点检测方法

为了实现自动织物疵点检测,提出了一种基于Mean Shift滤波的织物疵点检测方法。该算法首先求取织物样本的熵图像,反映原始图像信息的变化程度,然后对熵图像进行Mean Shift平滑滤波,达到去除噪声和增强织物疵点部分的目的,从而利于疵点的分割,最后对滤波后的图像进行阈值分割,得到二值化检测结果。对6种纹理织物进行处理,共检测出18种疵点,92.5%的疵点可以被成功检测并定位。另外,实验中还将Mean Shift滤波与Gabor滤波的检测结果进行了比较,结果表明Mean Shift滤波对某些类型的疵点的检测效果更为理想。     

基于小波模极大值的织物疵点检测

织物疵点部分相当于图像中灰度突变的奇异信号,对比传统的边缘检测方法,小波变换在检测图像微小细节边缘时具有明显的优势,能很好地刻划突变点的奇异性。首先利用小波的多尺度特性求得织物图像局部极大值点,有效提取出织物疵点区域的边缘,然后结合形状特征求出织物疵点区域的形状特征,对常见重纬、重经、缺经、缺纬、油污、破洞织物疵点图像进行仿真实验,结果表明此方法既保留了织物疵点边缘信息,又剔除了虚假边缘,最终有效地提取出了疵点区域的形状特征。     

基于点线投影模型与几何误差制约规则的图像匹配算法

当前较多图像匹配算法主要通过求取Haar小波的方法获取特征描述符进而完成图像匹配,忽略了特征点对应邻点的投影特性,当匹配图像之间存在旋转、缩放等变换时,易导致匹配图像中存在较多的错误匹配以及漏匹配等不足。对此,提出了一种基于点线投影模型耦合几何误差制约规则的图像匹配算法。首先,引入FAST算法用于准确、快速的检测图像的特征点。然后,利用像素点对应的梯度值构建点线投影模型,用以获取特征点的主方向。以特征点为原点构建极坐标,将特征点邻域进行区域分割,通过联合分割区域中的分布直方图以求取特征向量,从而形成特征描述符。最后,利用Euclidean模型求取特征点的最近邻与次近邻之比,完成特征点匹配。利用匹配特征点之间的映射关系,构造几何误差模型对特征点集的误差进行度量,根据度量结果构建几何误差制约规则,对匹配特征点进行优化,实现图像匹配。实验结果表明,与当前图像匹配算法相比,算法不仅具有较高的匹配精度,而且还具有较好的鲁棒性能。     

一种用于探边机的光电开关电路

本文介绍用于纺织、印染机器中探边机的光电开关电路及其工作原理。     

基于SIFT算法的疵病图像配准

光学技术的发展对光学元件提出了更高的要求,检测的精度和准确性是其重要的部分,而疵病图像的配准是一个很重要的环节,因此对疵病图像的配准进行研究很有必要。针对疵病图像配准算法进行了阐述,并对基于特征点匹配的SIFT算法的原理及过程进行了介绍,用MATLAB软件进行编程,搭建实验平台获取疵病图像,并采用尺度不变特征变换（SIFT）算法对所获取的疵病图像进行配准、拼接,得到了完整的疵病图像。实验结果表明,该算法能有效地对疵病图像进行配准,为后续的疵病信息提取打下良好的基础。     

基于机器视觉的闭气塞表面缺陷自动检测系统

设计了一种针对微小零件闭气塞的表面缺陷自动检测系统.该系统采用自动控制技术实现闭气塞的上料、排序、搬运、定位和正废品分离,采用图像采集和处理技术实现缺陷的自动识别与分类.选择快速图像匹配算法快速定位目标零件在图像中的位置,把目标零件和无缺陷的标准模板图像减影获得缺陷图像,以缺陷的几何特征和统计特征获得缺陷的类型.实验结...     

基于特征点概率模型与匹配的图像拼接算法

为了解决图像内容单一、特征点不明显且数量少而导致其难以拼接准确的问题,提出了基于特征点概率与匹配的图像拼接算法.首先,利用图像重叠区域特征的单应性,开发出对旋转、尺度及光照不变的可靠特征几何结构,计算焦距矩阵与旋转矩阵,实现特征点检测;利用随机抽样一致性算法,完成特征点匹配.然后,利用伯努利分布特性和贝叶斯计算,建立内点和离群点的模型概率,剔除错误匹配点,从而提高图像匹配精度,准确完成图像拼接.最后以条码对接是否准确为图像拼接质量判断基准,实验测试结果显示:与当前图像拼接技术相比,该算法拥有更高的拼接准确率与鲁棒性.     

基于FPGA的墙纸印刷色标误差检测的设计

介绍了墙纸印刷中色标误差检测的工作原理,它是实现墙纸多套色自动套准的关键环节,并通过QuartusⅡ软件仿真实现预期的结果.同时简单介绍了整体的硬件结构,系统采用可编程控制器件FPGA和VHDL程序设计完成色标误差的检测.通过FPGA丰富的逻辑资源和高速的数据采集实现套印控制中误差检测的准确性,从而提高多套色墙纸印刷的套色精度和印刷速度.     

颜色度量因子耦合局部特征聚类的 图像复制-粘贴篡改检测算法

针对当前较多图像复制-粘贴篡改检测算法主要依靠图像的灰度信息来检测图像特征,没有考虑图像的色彩特征,使其存在误检与漏检的不足,引入余弦调制高斯滤波(cosine modulated Gaussian,CMG),设计了基于颜色度量因子与局部特征聚类的图像复制-粘贴篡改检测算法。利用CMG来求取图像的尺度响应值,并通过极值计算来提取图像的候选特征点;再利用像素点的光谱反射模型来建立颜色度量因子,从候选特征点中确定图像的鲁棒特征点。构建特征点的邻域圆,并求取该圆域中的四元数指数矩(quaternion exponent moments,QEM),从而得到相应的特征向量;利用特征向量来计算特征点间的欧氏距离,完成图像的特征匹配。最后,利用匹配点对的R、G、B值,形成特征点的局部特征,实现图像特征的聚类,准确定位复制-粘贴伪造内容。仿真结果显示,较当前的复制-粘贴伪造检测方法而言,对于简单的复制-粘贴篡改和复杂组合篡改,所提方法都具备更高的检测精度与鲁棒性。     

一种改进的印刷丝网布疵点快速检测算法

为提高印刷丝网布疵点检测的速度和准确性,提出了一种基于傅里叶变换和改进阈值分割的印刷丝网布疵点的检测算法。以无图案的印刷丝网布为研究对象,首先对采集到的印刷丝网布图像进行傅里叶变换,得到印刷丝网布图像的频谱图;然后利用Butterworth低通滤波器对频谱图像进行滤波,滤除傅里叶空间的高频分量;最后对逆变换得到的滤波图像进行改进的迭代法阈值分割,从而实现印刷丝网布的疵点检测。实验结果表明,该算法能够实现脏污、划痕、飞丝、破洞等常见疵点的快速准确检测。     

Medical image matching-a review with classification

A classification scheme for multimodal image matching is considered. The scope of the classification is restricted to methods that register data after acquisitions. The classification scheme may be used for any modality; not only for (2-D) projection images and (3-D) tomographic images, but also for other signal modalities that provide spatial insight into function or anatomy, e.g., EEG (electroencephalography) or MEG (magnetoencephalography) and for the real physical patient. The available literature on image matching is discussed and classified     

Computers detecting inferior printing quality and errors

As observed, the described approach to computer-aided error detection in printed matter proves itself to be exact and reliable. Our prototype printing error detection computer program has also undergone extreme testing in an industrial environment. The problem of excessive detection duration will have to be solved by an optimization of the registration and interpolation procedures. When considering the coarse image registration, a solution in the frequency domain seems appealing, where the translational and rotational information can be extracted from the phase and amplitude spectra, respectively. Fine image registration must be optimized even more. One of the ways we are presently researching tries to minimize the quantity of data included in the computation, at each iteration. We can do this by using images with lower resolution or taking into registration only an image's segment. Afterwards, the obtained registration parameters would be applied to the original-size images. For the time being, a second optimization attempt with partial images seems the most promising.