应用图像分析技术评估织物起球等级

探讨了应用图像分析技术对织物起球进行客观的等级评估.首先介绍了应用Wold分解纹理模型从织物图像中分离出毛球信息,然后对提取的毛球信息进行阈值化处理,再以毛球的面积百分比、总数和分布等三个特征指标对起球等级进行客观评估.运用上述技术途径对素色、印花及色织的简单与复杂组织等7种织物样品进行起球等级的客观评估,结果与专家的人工主观评定极为吻合.     

织物图像中起球特征值的提取与分析

研究了织物图像中的起球特征值与起球等级之间的关系.对13个起球特征如毛球个数、毛球面积、毛球体积、毛球分行维等进行描述和提取,对15幅织物图像中的特征值与起球等级的相关性、可分离性和近似函数关系进行了分析.根据分析结果,选取10个特征值作为起球等级客观评定的依据.     

织物起球标准样照的图像分析

探讨了运用图像分析技术对织物起球程度做客观和定量的描述．首先对精梳毛织物的起球标准样照进行处理分析，然后提取织物起球的特征参数，分析特征值与起球等级间的相关性，再选取相关性较好的3个特征参数，归一化处理后建立特征向量模板，最后对实际织物图像进行分析处理，提取表征毛球特征的参数值描述实际织物起球信息，运用最小距离法时实际织物起球等级进行客观评定，结果与主观评定的结果一致．     

复杂纹理织物的起球图像采集及预处理方法

针对织物起球等级客观评估中复杂织物纹理干扰起球图像分割的问题,提出一种新的起球图像采集及预处理方法.首先采集同一织物的多角度光照投影图像,该图像混合有不变场景的复杂底纹和光照投影变化的起球信息;然后应用独立成分分析方法,对多角度光照起球图像进行独立成分分解;再利用频谱特征分析方法分离出属于织物底纹的独立分量,以重构出滤除织物复杂底纹的起球图像.试验结果表明,该方法能有效地滤除各种起球织物图像中的复杂底纹,为复杂纹理织物的起球等级客观评估提供可能.     

人工神经网络在织物疵点分类中的应用研究

本文根据疵点的特征对常见疵点进行了简单的划分,然后提取织物疵点合适的疵点特征参数,再利用人工神经网络来判别疵点的类别,从而更好的对织物质量等级进行评定。     

织物起球等级客观评估的图像采集方法

研究了织物起球等级计算机视觉评估中单侧向照明、圆周向照明及多角度投影这3种方式下起球图像采集原理,并进行了包括规则、不规则及深色等多种织物起球图像采集的可靠性列表比较及分析.结果表明:圆周向照明采集方式为最佳方式;基于特征向量分析对多角度投影起球图像进行合成,是一种可行的采集方式;最适合起球图像评估的织物类型为非深色规则纹理织物.     

基于光度立体视觉的织物褶裥等级评定

针对目前织物褶裥等级依赖专家主观评定存在不确定因素的问题,提出了利用光度立体视觉算法进行织物褶裥等级评定的方法.在8个不同方向的光照下拍摄多幅织物图像,得到二维灰度图像,并通过一次差分运算重建织物表面各点的高度,利用三维重建获取织物表面形状信息.通过试验提取高度值和尖锐度来表征褶裥特征,以此客观评估织物褶裥的等级.     

采用频域滤波的织物疵点检测方法

首先,通过傅里叶变换获得含有疵点的织物频谱图,根据频谱图设计频域滤波器分离正常的纹理信息,保留疵点信息;然后,通过傅里叶逆变换进行灰度图重构,得到去除正常纹理的疵点图像;最后,经过高斯平滑后二值化分割出织物疵点.实验选取5种织物疵点进行验证,结果表明:采用频域滤波的织物疵点检测方法检测效果良好,且检测率达到90%以上.     

基于视觉显著性的彩色图像分割

为了提高图像显著性检测的准确性,从数学模型上探索显著性的多特征空间.利用多尺度特征提取算法获得低层视觉特征,对特征矩阵用低秩矩阵恢复理论提取显著图,并在自底向上模型基础上融合了高层视觉特征,由高层视觉特征构成一幅权重的显著图.提高了显著度和显著目标的检测性能.通过自适应阈值算法对视觉显著目标进行分割.实验结果表明,该模型比传统的模型提取的显著目标更完整、更准确.     

基于小波变换和图像分割的织物等级自动评定

在运用小波变换进行疵点检测的基础上,运用图像处理技术对检测出的疵点进行分割表征,根据人工验布的评分标准结合小波疵点检测和图像分割疵点的特点制定的自动评分准则,并对表征的疵点进行评分,从而实现对织物等级的自动评定.     

基于织物自适应正交小波的疵点检测

应用织物自适应正交小波对织物疵点的检测和识别进行了分析,首先介绍了织物图像的小波分解算法和紧支撑正交小波,在此基础上提出了织物自适应小波的构造,由自适应小波对织物图像分解,然后对分解后的纬向和经向子图像提取特征,由特征什检测和识别疵点。实验证明了该方法对素色织物的常见疵点具有快速、准确的检测效果。     

用图像分析技术评价织物起球

首先采用图像分析技术对起球织物的图像进行预处理;其次以织物起球总面积M和起球形态S等指标定量地综合评价织物的起球状况;最后以针织物为例,通过实验验证此方法的可行性.     

基于视觉注意计算模型的棉花异性纤维检测

基于机器视觉的棉花异性纤维在线检测,需要解决一个大背景下的小缺陷区域准确检测问题.为了解决这个问题,通过构建视觉注意计算模型,使检测目标兴趣区凸显出来,从而解决视觉数据冗余瓶颈问题.根据所构建模型结构,首先从输入图像中提取全局特征图;然后提取灰度和方向特征进行高斯金字塔多层分解,并采用中央-周边操作算子构建特征差分图;最后利用融合操作构建特征显著图和整体显著图,检测兴趣区在该显著图中被凸显出来.试验结果表明,该模型能够实现棉花异性纤维的有效检测,不仅检测准确率高,还具有较强的普适性,为棉花异性纤维在线检测提供了一种新方法.     

兔羊毛精纺针织品防掉毛防起球研究——防掉毛防起球整理剂的优选与评价

本文通过添加不同整理剂对兔羊毛精纺针织品进行防掉毛、防起球研究。12种处理方案的掉毛改善率为6.7～66.7％,起球改善率为9.3％～73.5％,织物风格变化从1级到5级。为全面、客观、定量地对经各种处理工艺后,织物的起球程度、掉毛量及织物风格作综合评价,提出了综合评定值。丙烯酸酯树脂处理组综合评定值较低,3号硅酮树脂处理组综合评定值较高,其中处理液浓度为7％的3号硅酮处理组,织物风格基本不变,起球改善率与掉毛改善率分别为53％和62％,(按GB4802.3-84标准测试与评定,起球达4.5级),且耐水洗性能良好。     

融合运动和空间关系特性的显著性区域检测

为了解决传统视觉显著性模型在复杂现实场景中容易失效的问题,提出了一种融合运动和空间关系特性的显著性检测方法.在颜色对比度的基础上,引入图像中目标的空间深度关系和运动特征.首先建立深度显著性模型,并使之与颜色显著性融合获得空域显著图;然后通过分析运动矢量得到运动特征显著性,并采用加性融合和乘性融合联合的方式计算出最终的显著图.实验分析建立在多个立体图像数据库之上,量化评价和视觉观测均表明:本方法可以有效地提取显著性区域,检测效果优于传统方法.     

神经网络技术在精纺粗花呢起毛起球等级评定中的应用

以精纺粗花呢纯毛织物为例,探讨纤维、纱线、织物结构因素及后整理工艺条件对精纺粗花呢织物起毛起球的影响.采用BP神经网络方法,建立纱线和织物结构参数与织物起毛起球性之间的关系.根据各种影响因素的变化预测精纺粗花呢起毛起球等级.     

小波分析在织物起毛起球客观评级中的应用

本文将小波分析方法应用于织物起毛起球图像分析,建立了基于二维离散小波变换的织物起球图像分析模型,提出了优化分析小波及相应的分析尺度的步骤,并利用Haar小波的方波形状与机织物的织纹结构具有相似性的原理,采用Haar小波对机织物起毛起球进行了分析,给出了织物起毛起球客观评定方法.     

基于多尺度下LBP和PSO的织物瑕疵检测方法研究

针对丝织品疵点纹理与正常情况下织物纹理特征的不同,提出一种多尺度下LBP和PSO结合的织物疵点检测算法.首先对织物图像进行非线性的金字塔多尺度分解,再对各尺度图像提取对光照和旋转具有不变性的LBP特征,在此基础上,利用PSO的快速收敛特点计算各分块的LBP直方图的差异确定出疵点位置.实验结果表明,提出的方法具有较好的鲁棒性.     

仿棉聚酯纤维针织物的起毛起球性能

以仿棉聚酯纤维纯纺纱、纯棉纱及4种不同混纺比的仿棉聚酯纤维与棉的混纺纱为原料,织成双罗纹针织物,对试样织物的起毛起球性能进行了对比,分析了纤维性能、纱线性能等因素对试样织物起毛起球性能的影响,以此探讨仿棉聚酯纤维针织物的起毛起球性能.结果表明:仿棉聚酯纤维针织物的抗起毛起球性能在一定程度上得到了改善,起毛起球等级与纯棉针织物相近.     

基于视觉显著性与对比度特性的图像质量评价

提出1种用于客观图像质量评价的新方法.分别对参考图像与失真图像进行高斯金字塔分解;对于分解后的每1层图像,采用基于相位谱的视觉显著图来计算2幅图像中每个对应像素点间的相似性,同时采用梯度图表示图像的对比度特性.视觉显著性和对比度特性互为补充,分别反映了人类视觉系统的不同特性,将2者加权相乘可获得单尺度的质量评价值;最后对各层结果进行综合可获得失真图像的客观质量评价值.在LIVE、TID 2008、CSIQ、IVC 4个公开的图像质量评价数据库上进行了大量的实验,结果表明,与其他相关的图像质量评价方法相比,提出的客观质量评价方法与人类主观评价的结果具有更好的一致性.