基于非下采样Contourlet变换的织物疵点检测方法

提出了一种基于非下采样Contourlet变换的织物疵点检测新方法。首先对织物疵点图像进行非下采样Contourlet变换(NSCT)得到一个低频子带和多个高频子带;然后通过代价函数在高频子带中挑选最优子带并阈值化,同时对低频子带采用非线性增益函数进行增强及阈值化处理;最后将经上述处理后的低频子带与高频子带进行融合与分割,以二值图像的方式从织物背景中提取出疵点。对比实验结果表明,该方法具有较高的检出率及良好的适应性。     

基于朴素贝叶斯分类器的纸病离线静态辨识方法研究

针对当前纸病处理方法通用性弱、鲁棒性差的问题,研究了一种使用概率精确判别纸病类别的方法。该方法通过训练样本获得各类纸病特征量的条件概率分布,利用朴素贝叶斯分类器原理求得某一纸病特征向量属于各种纸病的后验概率,进而通过比较各后验概率的大小进行纸病辨识,这可满足纸病辨识的静态性能要求,同时,利用朴素贝叶斯分类器具有最小错误率的特点,保证纸病辨识精度。实验结果表明,该方法具有很强的通用性,能够有效、快速地对纸病进行辨识。     

基于超像素和显著性的多聚焦图像融合

针对多聚焦图像融合问题,提出一种基于超像素和显著性的融合方法。对源图像进行NSCT分解,利用超像素及源图像的视觉显著性特征分别指导高频及低频系数融合。实验结果表明所提方法能够得到较好融合效果。     

基于NSCT和纹理特征的SAR图像相干斑抑制

提出了一种基于非下采样轮廓波变换和纹理特征的合成孔径雷达(SAR)图像相干斑噪声抑制方法。由于SAR图像的相干成像原理,造成其固有的相干斑噪声,对后续的图像处理会造成很大的困难。针对相干斑噪声的抑制问题,利用非下采样轮廓波变换的平移不变特性,结合变换后的高频子带系数的纹理模型特征,生成各子带系数自适应阈值,再经反变换,达到相干斑噪声抑制目的。实验数据表明,该方法经边缘保持指数(ESI)和等效视数(ENL)评测,能较好的抑制噪声,且更好的保持边缘。     

基于随机采样的随机Hough变换快速圆检测算法

圆形检测是图形检测中的重要问题之一,传统的Hough变换圆检测算法存在计算量大、准确率低等问题,为解决问题,提出一种基于随机采样的随机Hough变换快速圆检测算法。该算法首先随机采样圆上的两点,根据圆几何特性特点确定另一点在该两点线段的中垂直线上从而找到第三点,由这三点确定候选圆;再对候选圆上的点进行统计,判断候选圆的真假以得到真实圆。通过合成图像和实际图像的实验结果表明,相对于随机Hough变换算法,文章算法在检测速度上有显著性提高。     

基于傅里叶变换轮廓法的绉织物表面形态重建

提出一种客观评价绉织物起绉程度的方法,该方法将基于平行光轴投影光栅系统的傅里叶变换轮廓测量方法应用于绉织物三维表面重建,结合数字加权滤波检测绉织物表面三维轮廓数据,并从获得的绉织物三维轮廓数据中提取粗糙度、分形维数、表面面积、平均偏移量4个特征值。实验表明,这些特征值均可从不同侧面表征绉织物的起绉程度,特征值与绉织物表面的起绉程度呈线性关系。     

基于小波变换和BP神经网络的织物疵点检测

探讨基于小波变换和BP神经网络的织物疵点检测技术。为准确检测织物疵点,采用小波变换对预处理后的织物图像进行分解,小波分解后不同的子图像反应了织物的不同细节信息,从小波分解后的水平细节子图像和垂直细节子图像中提取特征参数,特征参数的提取采用灰度共生矩阵法,将提取到的特征参数送入训练过的BP神经网络,进行检测疵点,达到疵点织物融合、形态学和阈值处理并显示疵点的目标。实验证明:该方法行之有效。认为:寻找更适合的方法提取更有效的特征值和改进神经网络可以提高识别效率。     

基于小波变换和阈值分割的织物疵点边缘检测

The edge detection of fabric defects is the base of geometrical features extraction and the essential process of the fabric defects identification, This paper proposed a method for fabric defects edge detection based on discrete stationary wavelet transform （DSWT） and optimal threshold segmentation algorithm （OTSA）. Firstly, the background of fabric defects picture was removed, then it was executed through DSWT and enhanced by the Laplacian operator. Finally, the edge detection was carded out with both OTSA and morphological operation. By contrast, this method is better than the classic ones, and is effective to fabric defect edge detection.     

Fabric defect detection based on multi-scale wavelet transform and Gaussian mixture model method

This paper proposed an approach, which is based on multi-scale wavelet transform and Gaussian mixture model, to solve the problem about automated fabric defect detection and improve the quality of fabric in the production. Firstly, the sample image was tackled by the “Pyramid” wavelet decomposition algorithm, and the new images were obtained by reconstructing with the produced wavelet coefficients using wavelet thresholding denoising method. Secondly, the obtained new images were segmented by applying the Gaussian mixture model that was based on the Expectation–Maximization (EM) algorithm. Various fabric samples were used in the evaluation, and the experimental results showed that the designed algorithm could precisely locate the position of defect and segment the defect.     

高斯混合模型在印花织物疵点检测中的应用

为了实现印花织物疵点的自动检测,提出了一种基于改进的高斯混合模型的疵点检测方法。该方法针对传统高斯混合背景模型应用于疵点检测中所出现的精度不高的问题,充分利用印花织物图像像素间具有很强相关性的特点,引入自适应分块建模的思想来实现印花织物疵点的检测。实验结果表明,使用该方法进行疵点检测,正确率可以达到94%。不仅如此,该方法还能有效处理检测过程中所出现的光照不均和噪声等问题,是一种非常适合于对印花织物进行疵点检测的方法。     

基于相对总变差模型与自适应形态学的织物瑕疵检测

为解决目前基于图像处理的织物瑕疵检测算法中,因织物纹理的多样性与瑕疵形状尺寸的不确定性所造成的检测效果差的问题,提出一种基于结构-纹理模型与自适应数学形态学的织物瑕疵检测算法。首先采用相对总变差模型对织物图像进行滤波以去除织物纹理,然后在得到的灰度图像上直接进行基于自适应邻域的灰度形态学运算,形态学算子采用开运算算子,最终得到织物瑕疵的增强图像。采用基于相对总变差模型与自适应形态学相结合的方法与2种已知的Gabor算法进行比对,对4类典型织物瑕疵进行检测实验和分析。结果表明,本文方法能更好地提取出织物瑕疵。     

基于相似性定位和超像素分割的织物疵点检测

为解决周期性纹理织物图像的疵点检测及其轮廓精确分割问题,提出一种基于相似性定位和超像素分割的织物疵点检测方法。将待检测图像进行中值滤波和对数增强,并利用FT算法估计增强图像的显著图实现待检测图像的预处理;将基于归一化局部均值差分的灰度相似性检测参量和结构相似性检测参量结合,构建可测量更多类型周期性纹理织物图像的相似性度量函数,通过阈值化增强图像分块的相似性测量值实现疵点在显著图中的粗定位;最后对显著图粗定位图像分块进行超像素细分割及其二值化处理,并借助连通域分析剔除孤立点,获得完整的疵点轮廓。结果表明,本方法与常规3种方法相比,对周期性纹理织物图像的疵点检测准确率更高,且提取出的疵点轮廓更精确。     

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。     

基于图元分割与Gabor滤波的织物瑕疵检测方法

为实现含复杂图案织物的自动化检测,提出基于图元分割与Gabor滤波的织物瑕疵检测方法,对具有复杂周期变化图案的织物进行检测。根据图像纹理的周期变化规律,确定图案单位模板大小,即包含一个周期图案的晶格。对图像进行自适应分割,并通过图元分割获得单元图像元素。通过Gabor滤波器生成特征的响应分布,获取理想的模板晶格,根据提出的投票程序,通过分析其特征向量的Manhattan根据距离图元晶格差异的分布来识别瑕疵图元晶格。实验结果表明:检测方法对星形和箱形图案的织物样本数据集上检测效果较好,显著提高了样本的查全率。     

Fabric defect detection using Gabor filters and defect classification based on LBP and Tamura method

This paper aims at investigating methods for solving the problem of automated fabric defect detection and classification, which are more essential and important in assuring the fabric quality. The work focuses on two aspects: fabric defect detection and classification. In the experiment, first, the detection texture features for texture defect are extracted using Gabor filters. The method would automatically segment defects from the regular texture. Second, texture features for classification use local binary patterns and Tamura method. Fabric samples are used in evaluation and the experimental results obtained further confirm the designed algorithm achieved a high detection success rate.     

基于机器视觉的樱桃缺陷检测与识别

以机器视觉技术为基础,利用卷积神经网络对樱桃缺陷进行检测与识别,并进行验证。结果表明,正常果樱桃识别准确率为99.25%,缺陷果樱桃识别准确率为97.99%,识别速度为25个/s;通过与其他方法进行对比,试验方法能够准确检测并识别多种缺陷类型。     

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。     

SERS技术应用于食品中罗丹明B的快速检测

目的:罗丹明B（Rhodamine B,RB）是一种人工合成的三苯甲烷类碱性染料,因其具有潜在的毒性、致癌性被禁止在食品中添加。目前,在中国还没有关于罗丹明B检测的国家标准,也没有快速检测标准,建立合适的现场快速检测方法迫在眉睫。方法:借助表面增强拉曼光谱（SERS）技术,以金纳米溶胶为拉曼信号增强模块,利用自制样品前处理仪与便携式拉曼光谱检测仪,实现对辣椒制品、腊肉、果汁、葡萄酒等食品中RB的快速检测。结果:快速前处理技术与常规方法相比,SERS谱图结果差异不明显,且不受样品其他成分干扰,但分析时间由常规的40⁵0 min缩短到约10 min,大大提高了检测效率;同时,以样品提取液为基质的RB溶液最低检测浓度可以达到0.5 mg/kg;以RB在1355 cm^-1处的特征峰为内标信号进行归一化计算,在100、200、300μg/L三个添加水平下,得到其平均回收率在81.1%⁸7.0%之间,相对标准偏差RSD在2.1%³.0%内。结论:通过对多种实际样品检测并将结果与成熟的实验室液相色谱法相比较,发现本检测方法样品前处理简单,耗时少,检测结果准确可靠,且仪器设备便携、易操作,可用于食品中RB的现场快速筛查或实验室预检。