基于图像最大熵的织物疵点检测方法

对织物表面疵点自动识别方法进行了探讨.将信息熵引入图像处理中,先通过最大熵快速迭代算法对织物疵点区域进行分割,把疵点图像分为背景和目标两部分;然后找出疵点区域的中心并求出疵点区域在纬向和经向上的方差;最后通过两者的比值与设定常数的比较,判断出疵点类型.仿真实验表明该方法对常见织物疵点的检测是有效的.     

基于小波熵的织物疵点检测方法

探讨利用小波熵检测织物疵点的新方法。在采用二维离散小波变换对织物图像进行分解的基础上,引入了熵的概念,将小波熵作为织物图像的特征值,把熵值看作系统紊乱程度的度量,由此得到织物图像的小波熵特征值,通过与正常织物经过二维小波变换后提取的小波熵值相比较,熵值大者即认为有疵点存在。通过对不同组织织物和几种典型的织物疵点进行检测,试验结果表明该方法有效可行。     

基于加权局部熵的织物疵点检测

探讨基于加权局部熵的织物疵点检测方法的效果。针对图像的局部熵在织物疵点检测中的缺陷,在局部熵的基础上提出了加权局部熵的检测方法,并对织物缺纬、断经、破洞疵点进行了检测。结果表明:基于加权局部熵的织物疵点检测方法识别率在90%以上。指出:相比单一局部熵的方法,此方法在缺纬、断经、油污、破洞四类常见疵点的检测上更方便、更精确。     

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。     

基于纹理滤波与局部熵的织物疵点检测

针对织物疵点检测中织物纹理常被误认为噪声而给疵点自动检测造成很大干扰的问题,以织物纹理和疵点频谱的不同分布为依据,提出了一种结合纹理滤波和局部熵的织物疵点检测方法。通过频域滤波降低织物纹理的干扰,然后再结合局部熵与领域操作实现疵点的自动检测,并提取相关特征参数。     

局部阈值分割用于织物疵点检测

利用电子仪器代替人眼检测是织物疵点检测的一个热点问题。为了解决这个问题,本文利用织物疵点灰度值偏离正常织物灰度值的原理,探讨了织物检测电子成像参数的计算方法。结合实际试验表明:此算法能有效、快速检测分辩出织物疵点。     

基于局部熵的织物疵点检测与识别的研究

将织物图像分成大小相同的局部窗口 ,在局部熵最小的窗口区域内分割出疵点图像 ,并用数字形态学中的开运算滤除噪声 ,计算疵点形状因子等作为识别参数 ,此法因能避免对整幅图像进行复杂运算和提取特征参数时对图像的全局搜索 ,故具有识别准确率高、检测速度快等优点。     

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。     

基于显著性区域的织物疵点检测算法

显著性检测运用到织物疵点检测能够体现织物检测时的智能性。基于显著性区域的织物疵点检测方法主要是通过将空间关系和区域级对比结合到一起,首先将图像分割成若干区域,然后计算区域级颜色对比度,再利用每个区域和其他区域的对比度加权和来为此区域定义显著性值。权值由区域空间距离决定,较远的区域分配较小的权值。实验结果表明,该算法能够很好地检测织物疵点,且优于其他算法。     

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.     

基于最大熵阈值分割算法的改进研究

图像分割是图像处理中的重要问题,也是机器视觉研究的经典难题。随着计算机技术的发展,产生许多图像分割方法,不少的研究者提出了许多改进的方法,如自适应阈值法、直方图互确认的图像阈值化分割、最大阈值法等,其中阈值法以其简单、有效、便于理解的特点被广泛的应用。阈值分割技术的目的是将目标从背景中分离出来,重点难点在于阈值的选取。在     

基于灰度分布梯度的织物疵点检测算法

针对织物疵点检测算法实用性差的问题,提出一种基于灰度分布梯度检测算法,通过对纹理织物相邻像素灰度差异和单位距离的商来判断纹理是否异变。在对灰度试样提高对比度和二值化图像预处理,并根据织物组织结构确定检测窗口的基础上,把试样分解成经向和纬向2个子图并得到各自方向的能量统计值,从中提取跃迁比等4种特征值,综合各类疵点对方向特征值的不同敏感程度检测出疵点。该算法简便,实时性好,特别适合方向性疵点及块状疵点的检测。     

基于语义分割的织物疵点检测算法研究

针对织物疵点语义分割任务中数据分类不均衡导致疵点检测准确率不高的问题,文章在Resnet、U-net网络结构基础上设计了CS model网络,添加了适用于小疵点及条带状疵点特征检测的MSCA注意力机制。织物图像中,破洞、污渍等织物疵点像素,占比较少,相比于全图像素为小类别疵点,导致分割结果不准确。针对小类别疵点分割准确率不高的问题,将多类别Focal Loss损失函数引入于其中,该损失函数通过提高小类别疵点的权值,使分割结果更为准确。调整Focal Loss参数对比实验结果,采用mIoU、Acc和Loss数值作为实验评价指标,分别与U-Net、ResNet50、DeepLabV3和VGG16网络的语义分割模型进行对比实验,结果表明：提出的CS model网络可将小类别疵点分割精度有效提高几个百分点。     

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。     

应用Prewitt算子的织物疵点检测改进算法

针对经典Prewitt算子在织物疵点边缘检测中存在的检测边缘较粗、定位不准确和人为选取阈值会造成边缘点误判等缺点,基于改进的Prewitt算子,提出了一种与非极大值抑制方法相结合的自适应阈值的织物疵点检测方法。该方法对织物原图像采用高斯滤波进行预处理,以消除图像上的光照不均和噪声等影响,增加45°和135°方向模板完善边缘结构,利用非极大值抑制方法细化边缘,并用自适应阈值法确定最优阈值来减少边缘点的误判。通过对不同类型织物疵点的试验结果进行分析,证明改进后的算法具有更好的自适应能力,提高了算法的有效性。     

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。     

基于改进图像阈值分割算法的纱线疵点检测

针对纺织行业纱线疵点检测方法可靠性差、灵敏度低、检测速度低的问题,提出一种基于数字图像处理的纱线疵点判定方法.首先,搭建纱线图像采集系统,完成纱线图像采集;其次,针对纱线边缘信息难处理以及传统双边滤波对椒盐噪声处理效果差的问题,对双边滤波进行改进,改进后的双边滤波可有效保存纱线边缘信息;再者,针对传统阈值分割计算量大、...     

基于局部统计与整体显著性的织物疵点检测算法

由于织物疵点类别较多及图像纹理多样化,为了能更有效检测织物疵点,本研究结合局部统计特征与整体显著性分析,提出一种新的织物疵点检测算法。首先将图像分为大小相同的图像块,采用局部二进制模式和灰度直方图分别提取图像块局部统计特征;其次针对每个当前图像块,随机选取K个其它图像块,分别计算局部二进制模式统计特征对比度和灰度统计特征对比度,完成基于上下文整体显著性分析生成视觉显著图;最后采用基于迭代最优阈值分割算法对显著图进行分割,得到织物疵点检测结果。实验结果表明,该算法综合了局部统计特征和整幅图像的上下文信息,可显著突出织物疵点区域,实现对织物疵点的有效检测。     

基于人工神经网络的织物疵点检测

根据疵点的特征对常见织物疵点进行了简单的划分。采用直方图均衡化、二值化、中值滤波、腐蚀和膨胀等方法对织物图像进行一系列的预处理,对织物疵点的特征参数进行提取,利用人工BP神经网络来判别疵点的类别并进行分类。结果表明,利用BP神经网络识别织物疵点并进行分级是行之有效的。