基于贝叶斯决策及半监督聚类的织物图像分割

为提高纺织CAD技术,依据半监督聚类理论,提出一种以最小错误率贝叶斯决策为准则的半监督聚类的织物图像分割算法。这种算法利用有限的人工信息,即在织物图像上点击有限的几个点以标识相应区域之间的关系,从而得到满足用户给定限制的织物图像分割结果。用该算法首先对织物图像进行量化转换处理,而后在贝叶斯模式识别中集成先验的分割信息进行色彩聚类。实验结果表明,该算法用于织物图像分割是可行的。     

应用目标稀少特征的织物疵点图像分割

应用自适应阈值分割方法进行织物疵点检测,其阈值选择一直是研究的难点问题,为此,在研究目标特征的基础上,提出了一种利用目标稀少特征确定最佳阈值的织物疵点图像分割方法。首先,对采集织物图像进行滑动均值滤波,以抑制正常织物纹理信息对疵点检测的影响;然后,对织物图像进行预分割以确定最佳稀少度,在此基础上计算出最佳分割阈值;最后,利用最佳阈值进行织物疵点图像分割,并采用形态学滤波消除伪目标及噪声。结果表明,本文方法能够解决织物疵点分割中的最佳阈值确定问题,能够从织物纹理中有效分割出疵点信息。     

基于贝叶斯方法的织物分类研究

提出基于贝叶斯决策理论的织物图像自动分类的新方法。先对织物图像的分类问题建立贝叶斯模型 ,再提取织物图像的形态结构参数作为特征向量 ,并计算出分类结果。该法能准确、快速、有效地对各类织物实现自动分类识别。     

基于曲线拟合的织物疵点检测方法

由于以CCD数字摄像机获取的图像质量易受光照、噪声及组织纹理等因素的影响,使织物图像疵点分割成为织物疵点检测的难点,提出一种基于曲线拟合的疵点检测方法。利用线扫描方式逐行获取图像信息,采用最小二乘拟合方法削弱疵点信号对所获图像信号的影响,从而将拟合曲线作为标准无疵点的参照与原始图像信号相减,得到疵点信息。运用LabVIEW编程工具,选取了疵点织物图像进行测试验证,结果表明,本方法对常见的织物疵点具有快速、准确的分割结果。     

基于MRF层次模型的贾卡经编针织物图像分割技术

基于贾卡织物特点和层次马尔科夫随机场建模,提出一种贾卡经编针织物图像的分割方法。贾卡织物图像在扫描过程中因其立体肌理会带来噪音信息,需进行高斯低通滤预处理,在此基础上,采用haar小波进行多尺度分解以模拟人类视觉处理信息过程。在特征场建模上采用有限通用混合模型来逼近贾卡织物图像的小波系数,同时融合零均值隐状态的混合概率分布函数来描述贾卡经编针织物图像的噪音信息,在标签场建模上采用尺度内的非因果马尔科夫和尺度间因果马尔科夫来确定先验模型,在贝叶斯准则下完成图像分割。结果表明,该方法能较好地实现贾卡经编针织物图像的纹理分割。     

基于深度学习的织物印花分割算法研究

针对织物图像特征提取和检测问题,研究了一种基于卷积神经网络U-net模型的织物印花分割算法,并根据织物印花的特点对原有模型进行改进,从而更精确地实现对织物印花图像的分割.实验选取100张原始织物印花图像,并利用人工标注的方法标注出分割好的图像,作为训练的标签,将训练图像和标签通过翻转、裁剪等数据增强算法得到1000张图...     

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。     

基于平滑滤波和分水岭算法的重组织织物图像分割

针对带有重组织的织物图像特点,提出了一种根据纱线颜色进行图像分割的方法。首先将织物图像转化为Lab颜色模式,采用混合中值滤波算法滤除扫描噪声;其次通过设置色差容许值改变高斯权值的平滑滤波算法进行滤波,去除织物图像中的重组织阴影和同颜色纱线纹理,保留纱线颜色特征;然后提取织物图像的色差梯度,通过分水岭算法进行图像分割,获得区域标记图像;最后将颜色相近的分割区域进行合并,得到织物图像的分色索引图像。实验结果表明,提出的算法可以对重织物图像进行较为准确地分割。     

应用视觉显著性的小提花织物疵点检测

为实现小提花织物的疵点检测,提出了一种基于视觉显著性的疵点定位与分割方法。针对小提花织物的花型具有周期性的特点,通过对织物图像进行快速傅里叶变换和形态滤波来抑制正常花纹的显著性,突出疵点区域的显著性,以获取图像的全局显著图;然后使用基于图论的视觉显著模型来计算图像的局部显著图,并对全局和局部显著图进行合并生成综合显著图;最后使用最大熵法对综合显著图进行分割,以得到疵点目标。实验结果表明,在对横裆、破洞、断头、打结和跳花等5 种瑕疵进行测试时,该方法的正确率高达93.5%,非常适合于对小提花织物进行疵点检测。     

贾卡经编织物多纹理区域分割技术

为快速准确地得到贾卡经编织物花型图案,提出一种基于小波多尺度分层、马尔科夫随机场建模和贝叶斯最优准则分割理论的贾卡经编织物图像多纹理区域分割技术.首先通过小波变换将贾卡织物图像作多尺度分解等预处理,其次结合马尔科夫随机场理论,运用有限高斯混合算法构建图像灰度场分布模型,采用尺度逻辑算法构建标号场先验模型,最后在贝叶斯理...     

基于JSEG算法的纺织品印花图像分割

 针对机器视觉对纺织品印花精度的检测问题,提出了利用JSEG算法对印花的纺织品图像进行分割。主要通过对图像的滤波,颜色的矢量化和区域的增长与合并,完成图像区域的分割。通过实验给出了颜色量化阈值和区域合并阈值对图像分割的影响以及选取的方法,最终给出该算法对印花纺织品图像的分割效果图,表明该算法利用颜色信息和区域信息,对包含纹理信息的彩色印花图像有良好的分割效果,并且对由日光引起的一些干扰有一定的抑制作用。     

基于模糊C均值聚类的纺织品印花图像分割

 针对纺织品印花精度检测的关键技术问题,主要围绕纺织品印花图像的有效分割展开研究工作,提出了基于距离修正和隶属度修正的FCM算法。为了确保FCM算法的有效性和精确性,对其参数的选取和算法结构进行了深入的研究,结合参数的自适应初始化方法和FCM算法的修正方法,最终给出该算法对纺织品印花图像的分割效果图。实验结果表明,该算法对纺织品印花图像有良好的分割效果,并且对由光和织物纹理引起的干扰有一定的抑制作用。     

基于小波域多尺度Markov随机场的织物印花图案分割

织物印花图案的分割是纺织印染工艺中一个非常重要的过程,为了提高纺织印花图案的分色精度,本文采用小波域的多尺度Markov随机场模型实现了织物印花图案的分割。该方法首先对图像进行预处理,然后对图像进行小波“金字塔”分解,在每一尺度的分割过程中利用了各尺度上的有关信息:特征场建模通过描述小波系数之间的相关性反映每一像素位置的特征属性,标记场建模通过考虑邻域标记间的相互作用反映图像分割的区域性。两种随机场建模以联合概率乘积的形式相互约束,共同作用于该尺度的分割过程。在分割过程中,从最低分辨率尺度到原始分辨率尺度逐次进行图像分割,低分辨率尺度的分割结果通过直接投影作为相邻的更高分辨率尺度的初始分割,最高分辨率尺度上的分割结果作为本文方法的分割结果。     

基于图像分割的拼色纺织品分色算法

 采用计算机图像分割技术对纤维混色产品的高分辨率扫描图像进行处理,提出了根据其所含纤维色彩特点进行图像分割的方法。将彩色图像转化为HSV色彩空间,对图像的灰度区域针和彩色区域分别以V分量和H分量进行分割,分割过程采用模糊C聚类分析(FCM)的方法进行。实验结果表明,此方法可以图像分割成有效的几个类别,并保持原有图像的色彩、纹理信息。该方法可以用于计算机辅助拼色纤维配色,与传统的通过光学模型预测方法相比,此方法更为直接,有效。     

多智能体博弈的纺织车间搬运机器人任务分配

针对当前纺织品智能化生产加工过程中搬运机器人所面临的大规模复杂动态任务分配问题,提出了一种基于智能体博弈理论的分布式自主决策框架。根据纺织品实际生产过程任务环境建立任务模型,在考虑到任务的距离和时间优先级等因素下建立目标函数,以智能体的目标效用函数最优为策略选择依据,引入博弈论中的Nash均衡理论对问题求解,并对该决策框架进行了实验验证。实验结果表明:在该决策框架下任务的分配相比同类分布式任务分配算法能够得到全局最优解,具有较强的可扩展性、良好的鲁棒性、收敛性能,同时对动态任务分配同样具有良好结果表现。     

基于最大多符号信息熵的织物图像匹配

为了实现利用机器视觉技术识别织物图案的组成 ,对织物图案进行研究。依据熵函数是一个连续函数 ,且具有极值性 ,将其运用到图像检测与匹配中。把织物图像中的每一点作为单符号信源 ,整幅图像作为多符号信源 ,在织物成品图像上选取和基准样图尺寸大小相同的图像计算信息熵 ,若与样品图的信息熵相等 ,则说明在织物成品图中检测到样图 ,否则没有。实验结果表明该方法在织物图案匹配中是一种实用和成功的方法。     

机器视觉在蚕茧表面积测量中的应用

针对传统评茧方法的缺陷,提出了基于机器视觉技术的蚕茧表面积测量方法。利用机器视觉系统拍摄蚕茧图像,根据图像的灰度分布特征,通过Otsu法分割蚕茧图像得到二值化图像,将蚕茧看作椭圆体,由蚕茧区域的长轴和短轴值计算出蚕茧表面积。根据蚕茧的边缘图像,利用最小矩形法确定椭圆长轴和短轴的值,可以测量任意旋转角度的蚕茧表面积。实验结果表明该方法是有效的,为科学评茧提供了依据。     

基于机器视觉的苹果在线分级

通过CCD相机动态采集苹果两个面的实时图像,提出了泛洪填充+自适应Ostu阈值分割算法提取苹果的轮廓,采用最小外接圆法对苹果上表面图像进行处理得到苹果果径,采用最小外接矩形法对苹果侧表面图像进行处理提取苹果果形特征;将图像进行RGB到HSV空间转换,提取苹果的着色度、果锈,以及疤痕特征,采用基于改进粒子群算法的SVM决策树的分类方法进行苹果的分级。结果表明,该方法对特级果、一级果、二级果和等外果的识别准确率分别达96%,94%,98%,98%,分级速率达4个/s,可以满足苹果在线分级的要求。     

基于分量组合及其位压缩的纺织图案提取方法

颜色压缩技术在彩色图像分割和表达等许多应用中是一项关键技术。提出了一种新的基于颜色分量运算及其位屏蔽压缩的图像处理技术,并将该技术应用到了纹理状织物图案的提取研究中。颜色分量运算的系数与线性组合方式由实验确定,研究表明,颜色分量运算可以增强织物图案的显示特性,而颜色位的屏蔽运算可以在保证处理实时性的同时减弱图像中的噪声污染成分,减小原图像上因噪声干扰引起的纹理分割误差。