图像处理技术在织物疵点检测中的应用

对图像处理技术在织物疵点检测中的开发应用现状进行综述．认为该技术涉及空间域图像特征提取法、频谱域图像特征提取法和数学形态学方法等，每一方法又有诸多分支，形成竞相发展的局面，但各有优缺点．文中提出，采用多种技术，综合寻求兼顾识别速度快、效果好、稳定性好和能识别多种常见疵点的目标是今后发展方向．     

Canny算子在织物疵点检测中的应用

在分析斜纹织物纹理结构规律性的基础上,运用Canny算子对织物疵点图像进行了边缘检测,获得了织物疵点二值图像,再由灰度统计的方法生成投影图,获取织物图像的特征波形,并通过阈值过滤,将疵点定位,从而正确检测织物疵点.在Visual C 6.0环境下编程并调用Matlab6.5图像处理函数实现了本算法.     

基于优化Gabor滤波器的织物疵点检测算法

提出了一种基于优化Gabor滤波器的织物疵点检测算法.首先介绍了Gabor滤波器的滤波原理,然后提出了Gabor滤波器优化算法,该算法针对一幅标准织物图像,通过计算Gabor滤波器与标准织物图像卷积结果的Fisher Cost函数最小值,得到一组优化Gabor滤波器参数.使用具有这些参数的Gabor滤波器分别对标准织物图像和样本织物图像进行滤波处理,将滤波结果进行比较和融合,得到检测结果.实验证明:该算法能获得良好的检测效果.     

数学形态学在质量检测中的应用

简单介绍了数学形态学的基本运算及结构元素，并对数学形态学在质量检测中的一些应用进行了详细的描述和分析，最后用数学形态学的方法对一幅苹果图像和一块电路板进行检测．分别准确地检测出了苹果疤痕和短路点的位置与形状，得到了非常好的效果。     

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．     

基于纹理结构异常的织物疵点检测算法研究

提出了一种基于织物纹理结构异常的织物疵点检测算法。首先计算代表正常纹理的主邻域结构图;其次通过比较每个像素的邻域结构图与主邻域结构图的差异来定义该像素的显著性,进而得到显著图;最后采用迭代最优阈值分割方法对显著图进行分割得到疵点区域。试验证明,该算法操作简单、计算速度快、鲁棒性强,具有较强的自适应性。     

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。     

基于Wold纹理模型和分形理论的织物疵点检测

应用基于Ｗｏｌｄ纹理模型,从织物纹理中提取非确定性随机结构。通过正常纹理和疵点纹理中随机结构的表面维分形特征曲线比较,以距离为判别标准定位疵点。     

织物疵点的自动检测方法

概述了国外近年来织物疵点自动检测方法的新进展，从疵点检测的准确性、快速性以及对疵点种类的适用性三方面分析了各种检测方法的特点及存在的不足。     

织物表面疵点检测算法综述

介绍了机器视觉系统及应用于坯布疵点检测的现状,全面总结了最新国内外对于疵点检测的各种算法及其优缺点,提出生产实际中检测算法的评判标准．     

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.     

数学形态学在运动物体检测后处理中的应用

在运动物体检测后的二值图像中,经常会存在细小噪声和内部空洞,不利于运动对象后期的分析和跟踪.运用数学形态学的方法对检测后的二值图像进行后处理,可以有效地解决这一问题.文中介绍了数学形态学的基本运算和运动物体的检测方法,并给出了数学形态学后处理的实验结果.     

基于机器视觉的智能化布匹瑕疵检测方法

为了满足布匹瑕疵检测的准确性和实时性要求,通过对几种纹理分析方法的讨论,提出了一种智能化的瑕疵检测方法.该方法将图像等分成局部窗口,利用局部标准差和平均值对图像进行初检测,确定瑕疵存在的区域.然后采用Gabor滤波器,在多分辨率和多通道上分别对图像有瑕疵的区域进行滤波,建立金字塔图像表示结构,并对滤波后的多幅图像进行融合和重建,把瑕疵从布匹背景中提取出来,从而完成瑕疵的检测.实验证明,该方法检测速度快,准确率高,能够满足检测要求.     

基于Log-Gabor滤波器组的织物疵点检测算法

利用Log-Gabor滤波器组实现了对织物图像的疵点检测.首先给出了构建Log-Gabor滤波器组的方法,然后利用滤波器组对织物图像进行滤波处理,并对滤波后的图像进行分割和融合,最后将疵点从织物图像的背景纹理中分割出来.实验结果证明该方法能够有效地检测出织物疵点.     

基于自适应形态学滤波器的布匹瑕疵检测算法

针对布匹瑕疵检测算法中运算量大、自适应差的问题,利用布匹纹理周期性变化特性,自适应地构建结构元素,实现形态学运算;采用基于像素面积的阈值选择定位瑕疵位置。在不改变检测准确率的同时减少了运算时间。实验结果表明,该算法所确定的瑕疵位置与主观视觉吻合,相比经典算法,误检率、错误率均降低了4%。     

基于数学形态学的图像空穴检出

采用数学形态学算子 ,对受到不同噪音污染的二值图像成功地进行了空穴检出 ,与阈值面积区域消去法相比 ,该方法具有准确、灵活、实用的优点 .     

数学形态学原理及应用

首先介绍了数学形态学的基本概念及应用领域。详细地阐述了数学形态学的基本原理、基本性质和基于数学形态学边缘检测和图像分割的方法及要点。最后给出了基于边缘轮廓结构的形态学开、闭变换在提取噪声区域及滤掉噪声方面的应用,膨胀与腐蚀运算对灰度图象处理的应用。     

数学形态学在聚类中的应用

通过建立一个与数学形态学应用于数字图象处理方法类似的算法来解决一般样本分布的聚类问题。此方法应用于北京及邻近地区的地震预报问题,得到了较好的结果。