应用Canny算子的织物疵点检测改进算法

为克服当前Canny算子在织物疵点边缘检测中存在的阈值设定、滤波参数选择等自适应问题,提出一种基于Canny算子的改进算法。通过分析不同种类的织物疵点特征,选择不同参数的高斯滤波器,对织物疵点图像进行滤波处理;采用自适应形式获取图像边缘信息的阈值,避免了因阈值取值过高或过低而无法获得较好织物疵点的边缘信息的问题,同时还可根据不同织物疵点类型选择不同的滤波参数。结果表明,改进后的Canny算法可有效地检测到织物疵点的边缘细节,具有较好的自适应能力,并且提高了算法的有效性。同时对典型的织物疵点进行检测并与传统算法比较,其检测效果更优。     

几种基于图像自适应阈值分割的织物疵点检测方法比较

为了比较四种自适应阈值算法对目标和背景灰度值差异较大的织物疵点的检测效果,进而综合比较四种算法的优劣情况,本文首先对Otsu算法、改进的Otsu算法、局部阈值分割算法以及最大熵阈值法共四种图像自适应阈值算法的原理进行了介绍,然后分析了运用图像自适应阈值算法检测织物疵点的方法与步骤,在此基础上分别用四种自适应阈值算法对平纹和斜纹织物疵点图像进行了检测,并对检测结果进行了详细的分析和比较。实验结果证明文中所述四种自适应阈值算法在一定程度上都能用于织物疵点的检测,当不考虑算法执行时间时,检测效果为：局部阈值分割算法＞改进的Otsu算法＞Otsu算法＞最大熵阈值法。当考虑算法执行时间时,综合检测效果为：局部阈值分割算法＞Otsu算法＞最大熵阈值法＞改进的Otsu算法。     

基于二维Otsu算法的织物疵点检测

为了准确检测织物的疵点,提出一种基于二维Otsu算法的织物疵点检测方法。首先采用均值滤波对采集的织物疵点进行预处理,减少高斯噪声对图像质量影响的同时,也有效地抑制了织物背景纹理信息对织物疵点检测的影响;然后对处理后的图像采用二维Otsu算法进行阈值分割;最后对分割后的图像进行形态学运算后处理,平滑图像轮廓,去除毛疵点和孤立点等。实验结果表明:对比其他检测方法,综合主观视觉效果和客观峰值信噪比(PSNR)值,该方法在织物疵点检测中既能有效保留图像的边缘信息,也不损伤图像的细节质量,检测效果较好,在疵点检测方面具有一定的实用价值。     

基于非线性扩散和多特征融合的提花针织物疵点检测

为解决提花针织物的复杂纹理在疵点检测过程中易造成检测干扰和疵点误判的问题,提出一种基于非线性扩散和多特征融合的疵点检测方法。采用改进PM模型对提花针织物的花纹和强纹理边缘进行抑制,首先利用梯度差异将疵点图像分为纹理区域及疵点区域,然后结合各区域特点选择对应的扩散方程,依据梯度矩阵计算概率子集、相关准则来确定梯度阈值,实现分区域扩散。根据提花针织物的纹理分布特性,提取改进局部二值算法(LBP)、局部熵、局部相关性等表征参数,然后进行去邻域归一化和多特征融合进一步突出疵点区域,最后利用区域生长法定位分割出疵点形态。实验验证了本文预处理方法及疵点检测方法的有效性,通过与其它预处理算法和疵点检测算法进行对比,结果表明本文算法的检测效果最好,对正常织物图像的误检率为3.3%,对含疵点织物图像检测的准确率为98.6%。     

基于Gabor滤波器的织物疵点检测

从疵布结构纹理模型出发阐述Gabor滤波器疵点边缘增强原理。根据织物特征设计织物自适应Gabor滤波器,确定Gabor滤波器的中心频率。再利用设计好的Gabor滤波器对方向性特征畸变织物疵点进行增强,并通过阈值处理完成疵点边缘检测。实验证明,织物自适应Gabor滤波器对方向性特征畸变疵点具有良好的边缘增强效果,可以突出织物纹理的能量,抑制疵点纹理的能量,同时该算法的最高检测速度可以达到7m/min。     

基于最大熵快速迭代算法和边缘算子的织物疵点分割

将信息熵引入图像处理中,把疵点图像分为背景和目标两部分,分别对两个区域进行处理;通过求最大熵值的快速迭代算法,在满足信息熵最大要求的前提下对织物疵点区域进行分割,然后利用Canny边缘检测算子对分割后的疵点图像进行边缘检测,从而达到识别织物疵点的目的。仿真实验结果表明,将最大熵快速迭代算法与边缘算子结合进行疵点分割识别的方法是有效的。     

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。     

基于改进宇宙算法的织物图像疵点检测研究

为了提高织物图像疵点检测的质量,采用改进宇宙算法对织物图像疵点进行检测。首先建立织物图像透光率模型,通过检测成像图像灰度的变化即可检测织物图像疵点,并对参考与待测图像的灰度差值进行计算,对存在缺陷的区域通过概率密度分布函数得到最优分割阈值;然后确定宇宙拓扑结构,某个宇宙内的信息发生变化,通过信息移民策略使得其他宇宙的信息发生变化,实现信息交流的并行性,根据适应度宇宙自适应进化;最后给出了算法流程。实验仿真显示该算法能够准确检测出织物图像疵点,检测效率较优。     

基于图像预处理与改进的Canny算子的织物瑕疵检测

目的:本文针对常见的布匹瑕疵检测方法对破洞、油污检测不敏感的缺点,提出了一种将图像预处理和边缘检测相结合的检测方法。方法:该方法根据瑕疵边缘变化的差异,先进行图像预处理,即利用直方图规定化对图像做出修正与增强,再应用中值滤波的方法消除图像孤立的噪声点;最后利用改进的Canny算子提取布边缘特征,即采用Otsu阈值方法求取自适应阈值,自动选择并去除布匹纹理提取瑕疵识别出瑕疵。结果:通过计算机Matlab进行实验,发现不同疵点其相应特征值的图像纹理频谱分布情况存在差异:正常织物特征值变化较平稳,没有太大的波动;断经织物的垂直能量,方差,极差均有明显突变;断纬织物的水平能量,方差,极差也有明显突变;破洞织物的水平、垂直特征值都会有不正常的波动;由此可以判断出疵点是否存在及其类别。结论:实验表明,与传统方法相比,改进方法使织物瑕疵边缘提取更加清晰平滑,阈值的自动选取也使运算时间大幅度下降。从而可知该方法的检测速度快,准确率高,可以满足纺织产业中自动布匹瑕疵检测的一般应用检测要求。     

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.     

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。     

几种织物疵点图像消噪方法的比较

为了实现织物疵点图像的有效消噪,使其更有利于特征提取和疵点检测,采用基于轮廓波的Donoho多尺度分层阈值、基于方向子带能量的轮廓波Donoho多尺度分层阈值和基于方向子带系数相关性的Donoho多尺度分层阈值3种消噪算法对织物疵点图像进行消噪处理。通过实验,经基于方向子带系数相关性的轮廓波Donoho多尺度分层阈值消噪后的织物疵点图像的峰值信噪比和边缘保持指数均高于其它两种方法,更适合对织物疵点图像进行消噪处理。     

基于稀疏优化的织物疵点检测算法

为提高稀疏表示方法对织物疵点的检测精度,提出了基于稀疏优化的织物疵点检测算法。首先,利用L1范数最小化从待检织物图像中学习出自适应字典库,用该库对织物图像稀疏表示,进而计算出稀疏表示系数矩阵;然后,对系数矩阵进行优化处理,采用字典库及优化系数矩阵对织物图像稀疏重构;最后,将重构图像与待检织物图像相减生成残差图像,用最大熵阈值方法对残差图像分割,定位出疵点区域。实验结果表明,本文算法所重构图像准确表示了正常织物纹理,相比已有检测方法具有较高的疵点检测精度。     

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。     

基于高低阈值迭代优化的原棉图像杂质检测

在原棉杂质图像的Canny边缘检测中,高低阈值直接影响到杂质检测结果的准确性,而目前高低阈值主要靠人工经验来设定,针对这一问题,提出一种改进的原棉杂质图像识别方法。方法在传统Canny方法的基础上,通过新加入45°、135°方向模板求取梯度幅值,在采用线性插值法进行非极大值抑制的同时,进行高低阈值的迭代优化,进而实现阈值的自动优化以及伪边缘的抑制。仿真实验表明,本文方法在有效抑制噪声的同时,能够自适应地优化高低阈值,一定程度上的减少了伪边缘的出现,检测到的原棉杂质边缘完整,尤其对于破籽的识别,其相符率达到93.2%,能够有效应用于原棉中杂质的识别与检测。     

基于改进的加权中值滤波与K-means聚类的织物缺陷检测

为检测纹理织物在生产过程中产生的各种疵点,提出一种基于改进的加权中值滤波与K-means聚类相结合的纹理织物疵点检测方法。首先利用改进的加权中值滤波对纹理织物图像进行预处理,以减少纹理信息对疵点检测产生的影响,同时通过联合直方图动态数据分配权重和像素,减少寻求中位数的时间来有效地缩短检测时间,提高了执行速度;然后采用K-means算法对滤波后的织物图像进行聚类,计算织物图像疵点和非疵点的聚类中心,进而实现图像疵点区域的分割。实验结果表明,该方法可有效地检测出方格、点形、星形、平纹、斜纹等多类型纹理织物的疵点,并显著提高检测速度。     

基于Prewitt算子与形态学的纸病图像检测方法

针对Prewitt算子在检测中存在的边缘不连续性的问题,提出一种基于Prewitt算子和数学形态学的纸病图像边缘检测方法。首先利用Prewitt算子对纸病图像进行处理,然后将处理后的图像进行形态学的闭运算。实验表明,该方法结合了两种检测方法的优点,有效地提高了边缘检测的准确性,得到了比较理想的纸病边缘检测效果。     

基于Prewitt算子的苹果分类研究

提出一种简单实用的基于Prewitt算子的苹果分类算法.该算法利用Prewitt算法检测苹果图像的边缘,利用阈值方法对苹果图像进行分割,通过计算连接区域确定苹果是否有损伤.该方法不仅可以精确定位苹果的茎部和损伤部位,而且能够消除苹果图像中的阴影.100个测试样本的实验表明,该算法能够快速地对苹果进行准确分类,准确率可以达到99%.     

基于二维经验模态分解算法的织物疵点自动检测

为解决织物疵点检测工序中存在的耗时性问题,提出一种基于二维经验模态分解(EMD)的多方向自适应检测方法.通过Delaunay三角分割、径向基函数插值与二维三次样条插值等方法实现二维EMD算法,用该方法将织物灰度图像分解为一系列子图像,选取包含疵点信息的子图像进行融合,最后通过阈值化来识别织物图像中的疵点.借助于工业线阵...     

基于改进的引导滤波的织物疵点检测算法

为解决织物疵点自动检测算法对不同种类疵点检测的鲁棒性问题以及算法的实时性问题,提出针对疵点图像的改进的引导滤波算法及其疵点检测算法。实验表明:引导滤波在保持边缘的同时速度最快,该改进算法使用高斯滤波后图像作为输入图像,原图像为引导图像,在保持细节的同时锐化并保持边缘,一张图片滤波时间为26.2 ms。该检测算法使用改进后引导滤波,再进行光照校正等处理得到疵点检出图片。实验表明,该检测算法疵点检出率为97.35%,检测时间为158.1 ms,保持检出率的同时达到实时性要求。