基于熵和变异度的织物疵点图像分割方法

针对现有织物疵点图像分割方法对光照不均匀敏感的问题,提出了一种基于局部熵和变异度的织物疵点图像分割方法。首先对织物图像进行局部熵和变异度计算,提取疵点的类边缘和区域信息;然后基于人工神经网络脉冲耦合（PCNN ）的区域生长法分割织物疵点图像。通过对T ILDA数据库中的疵点图像和基于线阵CCD在线检测的织物疵点图像进行测试,并与已有的相关方法进行对比实验和评价。结果表明,该方法不仅能有效地抑制光照不均匀和复杂背景干扰的影响,而且分割质量有了明显改进。     

基于自适应双正交小波的织物疵点边缘检测

针对织物疵点边缘检测问题,分析了"最佳"边缘检测滤波器设计的准则,以及构造自适应双正交小波的优化目标函数,提出了一种基于自适应双正交小波的图像边缘检测方法.实验结果表明,与已有的基于小波的图像边缘检测方法相比,本方法具有更好的边缘检测能力和鲁棒性.     

基于连续小波变换的非结构化畸变织物疵点自动检测

采用连续小波变换对非结构化畸变疵点进行自动检测．介绍了具有代表性的连续小波——墨西哥草帽小波基本原理及其对疵点的边缘增强效应；设计疵点自适应小波，确定最佳的小波参数；并将其应用于织物疵点的自动检测；通过对两种非结构化畸变织物疵点的实际检测来验证该方法的可行性．实验表明，该方法的检测速度最高可达6．5m／min．     

基于改进Radon变换的纬编针织物线形状疵点检测

提出了一种针对纬编针织物疵点形状特征的检测方法.根据纬编针织物部分疵点在图像上灰度差异较小,却呈线形状分布的特点,引入线检测的方法,使用Radon变换定位疵点的位置.同时,结合使用边缘检测方法来改进Radon算法,以找出线段形状疵点的位置与长度,并通过自相关系数的计算来确定拟合出疵点的宽度.试验表明,基于Radon变换的检测方法可以有效地检测出漏针、花针、直稀路、横路等纬编针织物线形状疵点.     

基于卷积神经网络的布料疵点检测方法

针对传统布料疵点检测准确率低、识别较慢且计算量大问题,提出基于卷积神经网络的布料疵点检测方法,实现增强布料疵点检测鲁棒性、高效性的设计目标。为保证训练结果准确,首先采集数量以千万级为单位的布料图像并进行图像预处理,标记无疵点布料和疵点布料;然后将图像送入设计的卷积神经网络进行训练和测试,获取疵点检测框;紧接着采用改进的NMS分类算法对检测框进行多框合并,减少误检,进一步提高模型检测效果;最后利用设计的特征图分割算法使网络模型脱离GPU显存限制,适用于各种性能计算机。实验结果表明该方法可在实现布料检测高速度、高准确率的同时增强检测方法的鲁棒性。实际检测速度为3fps,准确率可达99.6%,超过现有疵点检测算法,表明该检测方法可应用于对布料要求更高的生产企业。     

基于频率域滤波器的织物疵点检测

针对织物疵点检测,设计了一个频率域滤波器,它包括两个最优的圆形Gabor滤波器和一个与Gabor滤波器相切的中心掩模,基于该滤波器提出了一种频率域的疵点检测算法.应用提出的算法对织物疵点图像作疵点检测,实验结果表明,该算法能够有效地检测疵点.     

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.     

图像处理用于织物疵点自动检测的研究进展

织物疵点自动检测、代替传统的人工检测方法是纺织品质量控制和管理的重要环节，同时又是纺织自动化的重要标志之一，基于图像处理的织物疵点检测，主要是通过图像分析，从图像中发现与正常纹理不同的部分，这方面的研究一直在持续，新的方法不断出现，但较为成熟的检测系统较少，开发适合我国纺织业的织物疵点自动检测系统，具有深远意义。     

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。     

基于二维连续小波变换的织物疵点检测

同正常织物纹理比较,疵点区域由于其纹理不规则及变形而导致不同的局部纹理特征。利用二维连续小波特征,能在时域和频域上对织物图像同时实现任意尺度和旋转角度的变换。通过纹理模型和频谱分析,确定出最优的变换尺度和旋转角度,并由预先确定的全局阈值从小波变换系数的模中进行疵点的分割。实际疵点的检测结果表明该方法是可行的。