针织物密度在线检测算法研究

针织物的密度、线圈长度、面积孔隙率、未充满系数等组织结构参数的检测是针织物的一个重要指标。但是,目前针织物的密度参数通常是以人工手拉目测为主,严重降低了生产效率和产品质量。针对实际需求,研究开发了针织物密度算法。首先对针织物图像进行中值滤波和直方图均衡化,再根据提出的密度算法进行计算。实际研究表明,该算法运算量小、实时性高,非常适合于在针织物的图像检测领域大量推广,具有广阔的发展及应用空间。     

基于傅立叶变换的针织物密度分析

对如何使用离散傅立叶变换方法分析针织物密度进行了探讨．由于经过后整理的针织物线圈不均匀，各线圈纵行或各线圈横列只是近似地处在纵行线或横列线上，而且纵行线与横列线也不垂直，用二维离散傅立叶变换方法处理针织物灰度图像f(x，y)得到的结果误差较大．但采用对f(x，y)逐列相加后对其和进行一维傅立叶变换及对f(x，y)逐行相加后对其和进行一维傅立叶变换的方法能得到较准确的结果，     

基于类别共生矩阵的纹理疵点检测方法

根据有规则纹理的特点,提出了基于类别的共生矩阵来描述纹理特征,从而很好地将正常纹理与疵点区分开.分析了传统的灰度共生矩阵在计算纹理特征时计算量大,且分辨能力差的缺点.为了克服灰度共生矩阵在计算量和分辨能力上的缺点,定义了类别共生矩阵.在类别共生矩阵的算法中,首先学习纹理的一些基本特征以确定类别共生矩阵的一些关键参数,如纹理的概率密度分布、纹理的主方向和周期,以及分类准则等重要参数,然后计算类别共生矩阵并提取白疵点增强、黑疵点增强和一致度等三个特征,最后采用异常点检测的方法即可很好地区分正常纹理和疵点.实验证明,该方法比已有的灰度共生矩阵计算量小,并具有更突出的分辨纹理和疵点的能力.     

小麦籽粒病害细胞图像纹理特征提取方法的研究

为了进行进出境小麦籽粒病害的智能化识别,运用计算机图像处理技术对进出境小麦籽粒常见的三种病害（小麦印度腥黑穗病、小麦矮腥黑穗病和小麦普通腥黑穗病）作了研究。本文通过使用灰度共生矩阵的方法提取出小麦籽粒病害细胞的纹理特征,并对各个特征进行详尽的分析,最终选择最有效地区分三种病害的特征值。该研究为后期的模式识别提供了重要的特征参数。     

利用图像处理技术自动测量针织物密度的研究

采用FFT(快速傅立叶变换)时针织物进行图像处理,并利用提取的针织线圈的空间频率信息来测量针织物的密度。通过与人工测量的针织物纵横密度时比表明,该技术可以快速、准确的实现针织物密度的测量。     

轮胎花纹的模型分析

车轮轮胎花纹的设计是个复杂而实际的问题,花纹设计与轮胎性能之间存在一定的影响关系。本文主要采用模糊数学思想与层次分析法去分析轮胎模型。以轮胎花纹为目标层,花纹深度、稳定性、牵引力、耗油、耐磨性、行驶车速为准则层,普通花纹、混合花纹、越野花纹为方案层进行层次分析。先根据各因素间相对重要程度构造成对比较矩阵。其次计算权向量并做一致性检验,运用求解各成对比较矩阵最大特征值对应的特征向量,求出一致性指标,通过查表得到随机一致性指标,经前者与后者相比算得一致性比率,从而对成对比较矩阵进行了一致性检验。最后进行综合分析,给出了不同花纹轮胎的各项性能的优劣及最佳适用环境。     

视频监控中的图像质量检测

视频监控中图像产生噪声的原因很多,生成的噪声也多种多样,本文主要针对＂雪花屏＂进行检测。基于＂雪花屏＂的特性分析,其纹理较多较深,且有规律可循,在做灰度共生矩阵分类算法的过程中,发现＂雪花屏＂的共性：像素灰度值变化剧烈,幅值起伏大!究其原因：图像中噪声点的灰度值与其邻域范围内非噪声点的灰度值有比较大的差别。故本文采用小窗口来计算局部图像的方差的方法,来辨别正常图像与＂雪花屏＂。     

灰度共生矩阵纹理特征的运动目标跟踪方法

在研究纹理特征属性的基础上,提出采用灰度共生矩阵纹理特征进行目标跟踪的方法。基于OpenCV平台,通过对标准测试视频的仿真试验,对灰度共生矩阵纹理特征、局部二进制模式纹理特征和灰度颜色直方图特征在粒子滤波目标跟踪框架中的作用进行了测试与对比分析,灰度共生矩阵纹理特征在相似性颜色的遮拦与抗扰动、处理时间等方面表现出良好的属性特征,相关的试验数据和对比结果表明了这种纹理特征具备优良的跟踪特性,可以增强跟踪系统的整体性能。     

基于灰度-梯度共生矩阵的钢轨表面缺陷检测方法

根据钢轨表面缺陷的灰度和梯度特征,提出了钢轨缺陷自动检测方法:基于灰度-梯度共生矩阵为模型提取钢轨缺陷的内边缘,其中以最大熵方法自动求取灰度-梯度二维阈值向量,利用形态学方法对分割后的二值图像进行后期处理,有效区分正常轨面、缺陷区域、阴影和干扰区域.实验表明:本方法能较好地对钢轨表面缺陷进行检测.     

一种基于多特征融合的图像检索方法

基于单特征的图像检索系统一般性能较低.提出了一种基于多特征融合的图像检索方法.通过对HSV颜色空间的非等间隔量化,提取一维颜色特征向量及其累加直方图.基于灰度共生矩阵(GLCM)进行纹理特征的提取.将两类特征结合,设计了一种基于多特征融合的图像检索方法.利用相似性度量方法分别对颜色特征和纹理特征以及融合后的特征进行了图像检索实验.结果表明,基于颜色和纹理特征相融合的多特征融合方法具有更好的图像检索性能.