基于计算机视觉的织物疵点自动检测

用小波变换结合BP神经网络对织物疵点进行检测和分类.采用平纹坯布作为试样,对油渍、缺经、缺纬疵点进行识别.摄相机摄取256×256图像,将拾取图像进行小波分解,然后把小波分解后的图像灰度值作为特征参数输入到BP神经网络进行检测识别.实验结果表明,用这种方法识别织物疵点,识别率可达到98%.     

用于疵点检测的织物自适应正交小波的实现

应用随机算法并给以一定的约束条件，可以有效地由满足正交归一条件的滤波器中，优化获得与织物纹理相匹配的滤波器。应用这种织物自适应滤波器对织物灰度图像进行小波分解，就可使分解后的子图像能很好地分别包含织物的纬向和经向纹理信息，从而可有效地应用于织物疵点的自动检测。     

Wiener滤波器分解织物图像在织物疵点自动检测中的应用

首先介绍了 Wiener滤波器的算法和织物图像经 Wiener滤波后的分解 ,然后对分解后的经向和纬向子图像划分为 6 4个矩形块 ,对每个矩形块提取灰度极差作为特征值 ,再对特征值进行分析以实现对疵点的自动检测。实验证明了该方法的简单有效性 ,对素色织物的常见疵点具有快速、准确的检测效果     

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。     

基于小波变换的织物疵点检测

本文基于小波变换原理进行织物疵点检测。使用DH-SV 1410FM数字相机采集平纹坯布图样,应用中值滤波和Laplacian算子对图像做去噪和锐化处理。采用Mallat算法对预处理后的图像进行小波分解,分别提取经纬子图的能量、方差、熵、逆差距和极差等特征值,并对提取的特征值进行归一化处理。实验结果表明,疵点使织物图像在经纬方向上产生了不规则的纹理走向,不同类疵点图像的特征值归一化曲线在疵点处有明显的变化。该研究对判断织物是否有疵点的存在、判断疵点的大致走向和确定疵点的位置具有一定的参考价值。     

用于公路路面状况自动检测的图像处理技术

分析了公路路面图像处理中的主要问题，讨论了公路路面图像的综合顸处理算法，提出了可对裂缝与破损快速准确定位的图像分割算法，并给出裂缝面积与长度的计算方法，对类似的图像处理任务具有借鉴意义。     

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。     

织物疵点轮廓的计算机提取算法

提出一套新的织物疵点轮廓提取算法,可简单快速地提取织物图像中已确定位置的疵点轮廓.采用"去纹理算法"去掉织物的图像纹理,提出"平均并色法"去掉疵点周围的背景并用扫描法提取疵点形状建立适合后续处理的数据模型;用方向判断法分析疵点内部与背景色颜色一致的点是否需要去除,建立疵点轮廓的环型数据模型供后续疵点的相关进行分析,并建立疵点轮廓逐行数据模型供后续平移、放缩、翻转等处理.通过实例得出该套算法适用范围广,可高速准确地自动提取织物疵点轮廓.     

一种用SAR进行织物疵点检测的方法

目前的疵点检测方法一般基于织物的可见光图像,对色彩或灰度的依赖过大,以致影响到后续的图像处理算法的分类效果,是当前检测算法所面临的严重问题.为解决当前织物疵点检测系统中存在的问题,提出了一种新的利用合成孔径雷达技术进行疵点检测方法.该算法由于与传统的可见光成像机制不同,利用合成孔径雷达技术,避免了对可见光成像依赖性,用sAR的理论和算法解决了一些成像及识别关键问题,理论分析和实测数据的处理结果验证了该方法的有效性.     

基于计算机视觉的织物疵点检测的近期进展

按照模式识别的一般顺序并根据当前的研究中所使用的方法,简要综述了近年来计算机视觉在织物疵点检测领域的应用和发展情况。首先分析了将计算机视觉应用于织物疵点检测的现实意义。考虑到特征提取与选择模块以及检测模块是瑕疵检测系统中最关键的两个部分,着重讨论了这两个模块近期所涉及的各种方法及其在疵点检测应用上的效果。最后给出了结论,说明了开发国产化自动验布机的意义。     

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.     

基于自适应正交小波的机织物密度自动检测的研究

为了将计算机视觉应用于织物经纬密自动检测，提出了建立机织物自适应小波分解滤波器并研究了织物密度自动检测的方法。应用织物自适应滤波器对织物灰度图像进行小波分解，就可使分解后的子图像能很好地分别包含织物的纬向和经向纹理信息，从而可将织物子图像二值化后，根据其黑白交替变化规律，计算出织物的经纬纱密度。实验结果证明自动检测和人工测量相比，误差在3％以内。     

Realization of Orthogonal Wavelets Adapted to Fabric Texture for Defect Detection

The wavelet adapted to the fabric texture can be developed from the orthogonal and normal series which are selected randomly by means of Monte Carlo method and optimized by adding certain constraint conditions. Then the fabric image can be decomposed into the subimages by the adaptive wavelet transform and the horizontal and vertical texture information will be perfectly contained in the subimages. Therefore this method can be effectively used for the automatic inspection of the fabric defects.     

基于机器视觉的经编机在线瑕疵检测技术

文中提出了一种离线学习、在线检测的经编机瑕疵检测方案。在离线情况下,利用小波参数方程构造完备的正交小波集,采用遗传算法寻优获取与待检布匹相匹配的最优小波;在线检测时,利用最优小波对待检图像进行单层分解,对瑕疵信息分布集中的高频分量进行子窗口分割,提取窗口内的灰度方差作为纹理特征描述,采用自适应双阈值分割方法自动检测瑕疵。实验表明,自适应小波方法对瑕疵信号有明显的增强作用,检测算法的准确率能够保持在98.5%以上。     

织物组织计算机图像分析系统的开发

基于单纱织物的结构特点，结合几种典型的图像处理算法，探讨建立织物组织自动识别系统的方案，阐述用于组织识别的算法思路，经软件处理生成织物三种基本组织的组织图。     

X射线检测焊缝的图像处理与缺陷识别

根据射线检测焊缝图像的特点,设计了图像去噪、增强的算法;针对焊缝缺陷对比度差、光照不均、纹理较多等不利因素,在去除焊缝背景情况下,设计了动态划分焊缝区域算法,利用局域阈值法分割提取出对比度不均的缺陷;通过对焊缝缺陷特征分析,选取缺陷识别的特征参数;建立了用于焊缝缺陷识别的模糊神经网络模型。试验结果表明,图像预处理和缺陷提取是成功的,提出的识别算法能够提高介于模糊边界模式分类时的识别率,对焊缝缺陷识别的效果优于分类识别法。     

染色升温工艺的计算机自动监测

介绍了一种快捷方便的染色温度的计算机自动监测系统,利用该系统可对染色过程中的温度进行在线自动监测,可及时发现染色过程中的升温情况是否与标准的染色升温工艺曲线相符,以便及时修正或采取相应措施,减少次品的产生。     

基于图像分解的织物组织自动识别

利用维纳滤波从水平和垂直两个方向分解织物图像,经过合理的二值化,分别获得包含经纱和纬纱特征信息的子图像,从而计算经纬纱密度等参数.综合子图像的部分信息,可以确定织物组织点的位置,再利用每个组织点区域内经纬向纹理特征,判断织物组织类型.经过对平纹、斜纹、缎纹3种基本组织布样的实验,表明该方法可以很好地识别织物组织类型.