基于视觉显著图的异性纤维彩色图像分割方法

为实现对棉花异性纤维自动视觉检测系统采集的彩色图像的精确分割,提出了基于视觉显著图的异性纤维彩色图像分割方法.通过计算颜色显著图,实现彩色异性纤维目标的识别;通过计算亮度显著图,实现灰色异性纤维目标的识别;将彩色和灰色目标进行融合,得到全部异性纤维目标.实验结果表明,该方法可以准确分割出异性纤维彩色图像中含有的各种异性纤维目标.通过比较发现,该方法在分割精度上明显优于其它方法,可以实现对异性纤维彩色图像的精确分割.     

基于多类支持向量机的棉花异性纤维分类方法

提出一种基于多类支持向量机的棉花异性纤维分类方法,以期解决棉花异性纤维的在线分类难题。该方法首先对异性纤维目标图像进行颜色、形状和纹理特征提取,形成用于精确描述异性纤维目标的特征向量;然后分别构建3种不同体系结构的多类支持向量机用于棉花异性纤维的分类;最后采用交叉验证法对所构建的3种多类支持向量机进行测试。测试结果表明,基于有向无环图的一对一多类支持向量机在分类精度和分类速度上更适合用于棉花异性纤维在线分类。     

基于保矩算法的异性纤维特征提取方法

通过分析皮棉图像色度分量的分布规律，提出一种皮棉异性纤维特征提取方法，以Cg分量代替Cb分量组成YCrCg颜色空间进行特征提取。为有效地融合各色度特征，采用保矩算法对色度分量进行降维得到一维融合色度子图像，通过对该子图像进行阈值分割最终得到异性纤维特征。实验结果表明，该方法能有效地增加皮棉与异性纤维的对比度，平滑背景干扰，提高异性纤维特征的提取精度。     

基于空间模型及连通域分析的异纤维在线检测

针对一直困扰棉纺企业的异性纤维问题,从工程实际出发,提出一种快速高效的棉花异纤维在线检测及定位方法。该方法在RGB颜色空间建立了一种判断异性纤维的检测模型及模型参数的离线学习方法,以实现棉花与异性纤维的快速分割;基于形态学处理及连通区域分析算法实现异纤维的准确定位。进一步通过对剔除系统中电磁阀的响应特性测试,提出了剔除时间补偿的思想,可以保证对异性纤维的精准剔除。实验结果表明,该方法能够有效地检测并剔除棉花中的大部分异性纤维。     

基于小波变换的棉花异纤检测算法研究

研究棉花中异性纤维的检测问题,提高检测准确度。针对棉花异纤检测,当棉花中混有头发丝等与棉花纹理相似的线状异纤时,传统的单一尺度的边缘检测算法不能将线状异纤准确检测出来,造成检测准确度不高的问题。为解决上述问题,提出一种小波变换的棉花异纤检测方法,通过将棉花图像分割为多个连通区域,并对各区域进行多尺度小波变换,然后计算并设定每个区域的检测阈值,最后利用检测阈值完成异纤检测,可避免传统单一尺度的边缘检测方法不能准确识别线状异纤的问题。实验证明,改进方法能够准确地将线状异纤准确检测出来,具有很高的检测准确度,取得了满意的结果。     

基于改进亚像素边缘提取的一种异性纤维检测方法

为了提高异性纤维检测的时效、精确性,降低误检率,论文提出一种基于改进的亚像素边缘检测技术上的异性纤维检测方法,首先以多结构元素的改进的形态学算子对采集的图像进行像素级边缘提取,然后利用三邻域的非极大值抑制方法抑制初步提取时膨胀的边缘以及去除误检测的小范围棉花边缘,最后使用基于Zernike矩的亚像素边缘检测方法进行亚像素级细化检测。通过实验验证,文中的方法对各种常见噪声都具有抗噪滤噪能力强、计算速度快等优点,能够快速准确地识别高速棉流中的异性纤维,满足生产中异性纤维拣出的性能需求。     

基于改进分水岭的棉花图像分割方法

针对棉花图像中存在阳光直射和阴影遮挡等因素而导致图像分割精度低、效果差的问题,提出一种改进分水岭的图像分割算法。该方法对原始图像进行各向异性扩散去噪预处理;利用鲁棒中值估计对形态学多尺度梯度图像进行硬阈值法梯度修正;对修正后的图像采用分水岭算法进行分割,对过分割的区域采用基于L*a*b*彩色空间的颜色相似度方案进行区域合并,从而将棉花提取出来。实验结果表明,提出的算法对阳光直射及阴影遮挡等干扰条件下的棉花图像分割能取得较好的效果。     

基于图像处理的血液透析器纤维识别计数

为获得血液透析膜纤维的高精度识别与计数,通过对纤维图像颜色聚类特征的实验和分析,得出在YUV空间中仅利用颜色分量U和V对图像进行颜色聚类.利用K-means聚类算法对图像进行颜色聚类,根据图像中各像素的聚类属性对图像进行分割.在纤维的识别计数环节,采用Hough变换的方式对分割出的纤维图像识别并计数.实验结果表明,该算法识别精度高,鲁棒性好.     

应用小波变换和支持向量机的掌纹识别

提出了一种新颖的掌纹识别方案。应用两维的两通道和三通道小波变换来得到低频子带图像,然后将其系数作为特征进行提取。再选择支持向量机（Support Vector Machine,SVM）作为分类器。实验结果证明了这是一个简单而有效的识别方案,正确识别率可达100％。     

铁谱图像典型磨粒自动提取方法研究

为了提高铁谱分析自动化程度,结合脉冲耦合神经网络（PCNN）和数学形态学,提出了一种铁谱图像典型磨粒自动提取方法。利用综合色距函数将彩色铁谱图像三通道问题转化为单通道问题,使分割问题简化;利用简化PCNN间接实现铁谱图像分割,并采用数学形态学对获得的二值图像进行处理;运用数学形态学中连通域提取算法自动提取图像中的典型磨粒。实验结果表明：与其他方法相比,该方法能快速有效地分割铁谱磨粒图像,并实现铁谱图像中典型磨粒的自动提取。