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PSO-BP神经网络的织物疵点分类方法

将粒子群优化算法运用于BP神经网络的训练,更合理地确定神经网络的连接权重和阈值,提高解决实际问题的能力。同时将PSO-BP神经网络的模型用于织物疵点的分类中。采用正交小波变换的方法对织物图像进行单层分解,并提取水平和垂直2个方向的子图像,分别代表织物的纬向和经向纹理,然后计算其经、纬向的能量、方差、熵等特征值,做为神经网络的输入值。将PSO-BP神经网络与BP神经网络分类的结果相比较,表明PSO-BP神经网络能够取得较好的效果。     

基于计算机视觉的织物色差检测

为了有效地检测织物色差,针对织物色差检测存在的问题,在比较RGB模型、XYZ模型后,提出采用L*a*b*模型,并给出了各模型间的转换公式.通过对计算机获取的织物彩色图像进行一系列的转换、分割和定位后,计算其色差并进行相应的分析.经过试验证明:采用以上方法对纯色和印花织物的色差检测都是可行和有效的.     

基于小波包的织物疵点检测

本文采用最佳树形结构小波包变换算法,并抽取表征织物图像纹理的中频频带的子图像,计算出其的能量值和熵值作为疵点检测的特征量,并与正常图像的特征值进行比较,以判断是否有疵点存在。文章同时采用平纹棉白布的几种典型疵点形态进行了检测,试验结果表明该方法有效可行。     

采用加速度传感器技术实现盲区定位的研究和开发

GPS是目前应用最广泛的定位技术,但动态环境和遮挡区域会造成接收机不能捕获和跟踪GPS信号,导致GPS功能失效,从而无法进行正常定位。采用加速度传感器与GPS相结合的方式,在GPS获得初始基准位置后,利用多种加速度传感器获取人员方向和速度等位置信息,根据获得的人员位置信息进行定位航位推算,从而实现在GPS盲区的定位。     

基于链码的织物疵点图像形态特征提取

在织物疵点的检测与识别过程中,疵点特征值的提取是关键。探讨了一种新的织物疵点图像形态特征提取方法,对织物疵点图像经迭代阈值分割、图像去噪、Sobel算子边缘检测后,对图像进行边缘跟踪,求取其链码表示,从而计算得到疵点的各项形态特征参数。该特征参数可作为疵点合理分类的重要依据。实验证明该方法便捷快速,应用性强。