基于二维小波变换和BP神经网络的织物疵点检测方法

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.     

小波分析在织物起毛起球客观评级中的应用

本文将小波分析方法应用于织物起毛起球图像分析,建立了基于二维离散小波变换的织物起球图像分析模型,提出了优化分析小波及相应的分析尺度的步骤,并利用Haar小波的方波形状与机织物的织纹结构具有相似性的原理,采用Haar小波对机织物起毛起球进行了分析,给出了织物起毛起球客观评定方法。     

基于二次样条小波变换极大模的织物疵点检测方法

提出了一种基于二次样条小波变换极大模的织物疵点检测方法:首先由二次样条小波对织物图像进行分解,利用分解后的纬向和经向2个子图像建立正常织物图像和待检测织物图像的极大模边缘图像,并求得它们的差分图像;然后由差分图像提取特征参数检测织物疵点以及识别疵点的位置.实验表明:这种方法具有检测准确率高,稳定性好等优点.     

基于二维连续小波变换的织物疵点检测

同正常织物纹理比较，疵点区域由于其纹理不规则及变形而导致不同的局部纹理特性。利用二维连续小波特性，能在时域和频域上对织物图像同时实现任意尺度和旋转角度的变换。通过纹理模型和频谱分析，确定出最优的变换尺度和旋转角度，并由预先确定的全局阈值从小波变换系数的模中进行疵点的分割。实际疵点的检测结果表明该方法是可行的。     

小波基的选择与织物图像处理

小波基的选择是用小波变换方法进行织物组织图像处理的一个重要方面。本文探讨了两种小波基与织物图像处理效果的关系,实验结果表明,在织物图像处理方面,无论从处理速度还是从图像效果上Ｍａｌｌａｔ小波基都优于Ｌｅｍａｒｉｅ小波基。     

基于小波变换和形态学的机织物经纬密度检测

探讨了小波变换和形态学在机织物经纬密度自动检测中的应用。提出先对机织物图像进行预处理,然后进行小波变换,重点研究了相关系数法在最佳重构层次选择中的作用,从而区分出经纱和纬纱信息,并运用数学形态学对二值化后的图像进行修正。最后探讨了平滑后条纹自动计数算法,并由此推导了经纬密度的计算方式。结果表明:该综合方法对平纹织物经纬密度检测的精确度较高,具有一定实用价值。     

基于中值滤波和小波变换的织物图像预处理

图像采集过程中不可避免地会受到随机噪声干扰,在对图像进行特征值提取前,需对其进行预处理。根据织物疵点图像随机噪声的类型,提出了一种基于中值滤波与小波变换相结合的织物疵点图像预处理方法。深入研究了小波基的选择、分解层数的确定及小波阈值选取准则,并选用拉普拉斯算子对去噪图像进行锐化,最后利用LabVIEW平台对掉扣图像进行预处理实验。此方法结合了中值滤波去噪与小波去噪的优点,取得了较好的效果。     

基于B样条小波变换极大模的织物多组织识别算法研究

提出了一种新的基于B样条小波变换极大模的织物多组织识别算法:首先由B样条小波对织物图像进行分解,利用分解后的经向和纬向子图像建立正常织物图像和待检测织物图像的极大模边缘图像;然后由它们的差值结果提取特征参数识别织物组织的位置并检验结果的准确性;最后由组织矩阵绘制织物的组织图.仿真结果表明:本文方法能够精细准确刻画织物组织点位置并具有效率高、稳定性能好等优点.     

小波分析用于织物疵点检测的图像增强研究

对采用小波分析去除噪声来进行疵点图像的增强以用于织物疵点自动检测进行了探索。借助MATLAB小波分析工具箱,研究了小波分析在对疵点图像进行去噪等图像增强方面的实际应用,并对全局阈值降噪和分层阈值降噪两种方法做了比较。实验结果表明,小波变换可以较容易地分离出噪声或其他不需要的信息;小波分析用于疵点识别的图像增强,能有效地消除噪声,去除织物纹理的影响,分层阈值法在此应用上更优于全局阈值法。     

基于多尺度二维小波分析的织物表面折皱研究

本文引入多尺度二维小波分析织物的表面折皱，织物图像首先经小波变换分解成低频和高频两部分，再从中提取四种表征织物折皱的特征参数，并计算特征参数与不同折皱等级的相关系数，实验表明，四种特征参数均可从不同侧面反映织物的折皱程度，特征参数与织物的折皱程度基本呈线性相关，最后采用分形理论与该方法进行对比，以验证此方法的可行性。     

图像序列的三维小波变换编码研究

本文对图像序列的三维小波变换压缩编码进行了研究。图像序列的三维小波变换可分为帧间一维小波变换和帧内二维小波变换，同时将运动补偿技术和帧间内插技术引入到压缩过程中，取得了较好的效果。帧间一维小波变换选用Daubechies3小波基，而帧内小波变换选用bior4．4小波基。实验结果：缓变图像序列的压缩比可达到254：1，恢复的各帧图像的峰值信噪比(PSNR)约为25dB。     

基于小波分解的织物疵点检测

根据小波在奇异信号分解中的特点,提出了一种基于小波分解的疵点检测新方法．首先根据织物纹理特点,确定小波函数．其次对被检测图像进行小波变换,获得分解后的子图;根据织物纹理组织单元,把高频子图分割成若干子窗口,统计子窗口的能量标准差与均值加权求和作为提取的特征．最后通过测试图像子窗口特征与标准予窗口特征相比较,判断疵点是否存在．实验表明,该检测方法是有效的,检测正确率达到90％以上．     

一种基于小波包变换的SAR图像与TM图像融合方法

为了增强来自不同传感器的图像信息，改善图像的可分析和提取能力，近年来，常采用小波变换融合方法。但小波变换只对低频信息进行多分辨分析，并不考虑高频信息的多级分解。小波包变换不仅能对图像的低频部分，而且对小波变换没有细分的高频部分也能进一步地分解。因此，小波包分析能够为图像融合提供一种比小波多分辨分析更加精细的分析方法。在研究了小波包分析法后，提出了一种小波包图像融合方法。利用此融合算法对同一场景的不同传感器荻得的合成孔径雷达（SAR）图像和专题绘图仪（TM）图像进行融合，通过客观分析与目视评价，证明该融合方法的融合结果更好。     

Haar小波交换在图像处理中的应用

简述了小波变换的基本思想，着重叙述了使用Matlab软件小波工具包中的Haar小波对原始图像进行分解，并对不同分辨率的子图系数进行相应的运算，从而实现对原始图像的压缩、消噪、增强等处理的过程。得出了Haar小波变换用于图像处理具有速度快、处理方便、图像压缩比高、去噪效果好、图像特征保持性好等优点的结论，为进一步研究基于小波变换的图像处理技术提供了一定的依据。     

基于小波变换与中值滤波相结合的图像去噪处理

尝试利用基于小波变换和中值滤波相结合图像去噪声处理对同时含有高斯噪声和椒盐噪声的图像去噪方法进行了探讨．结果表明，小波变换结合中值滤波方法在去除图像噪声的同时较好地保持了图像所包含的边缘信息，处理效果优于单一的小波变换去噪或中值滤波．     

几种图像消噪处理算法在织物疵点检测中的应用

利用图像处理技术对织物疵点检测的过程中不可避免受到各种噪声源的干扰.采用sym 4小波默认阈值、coif 2小波软阈值和bior.3.7小波软阈值消噪算法对织物疵点图像进行消噪处理,并比较了原始含噪图像增亮处理前后的消噪效果.研究表明:coif 2小波软阈值消噪算法适合对织物小疵点图像进行消噪处理,原始图像经过增加亮度后处理效果更佳.     

基于二维离散小波变换自相似的图形编码

介绍了二维正交离散小波变换，分析了离散小波变换的自相似性。分形图像编码方法可有效压缩图像，其实质是消除图像中的自相似性冗余。离散小波变换非常适合于描述图像的自相似性及分形特性。给出了小波分解系数图像编码，解码的具体方法，给出了实验结果。利用图像的离散小波变换系数的自相似性的特点对图像实现高效压缩具有十分重要的意义。     

纹理SAR图像的多分辨率分析和分类(英文)

应用小波变换研究纹理合成孔径雷达(SAR)图像的多分辨率分析和分类,首先应用树状结构的小波变换算法对一幅纹理SAR图像进行多分辨率分解,并对图像中的不同纹理类型进行定量分析,然后将金字塔结构的小波变换算法应用到图像的多分辨率分类,所得结果证明了小波变换在纹理SAR图像分类中的优越性。     

基于小波变换的储粮害虫图像的提取

以基于机器视觉的储粮害虫识别系统中图像轮廓的提取为研究对象，利用小波变换对图像进行不同尺度的小波分解，对得到的小波系数进行不同的处理，从而达到图像轮廓提取的目的。结果表明：利用小波变换对图像进行处理，可以收到良好的效果。运用Matlab语言对二维图像信号进行多尺度多分辨率分析，并很好地应用于粮虫图像轮廓的提取。该研究对粮虫识别及其它图像分析技术具有一定的参考价值。     

基于支持向量机的图像纹理识别方法

将支持向量机(SVM)应用于基于内容的图像检索领域，提出一种基于Gabor小波变换和支持向量机分类器的新型集成纹理识别方法.目标是利用Gabor小波设计的多通道小波滤波器对图像目标进行小波变换，用Gabor小波变换系数的模的平均值和标准差生成表示目标图像的特征向量，将特征向量归一化后用支持向量机进行训练和识别.最后，利用Brodatz纹理库中的纹理图像进行了试验并与其他几种方法进行了比较.结果表明，该方法的识别率在小样本情况下要优于其他几种方法，并且具有更好的泛化和推广能力.