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。     

织物疵点检测中自适应正交小波基的构造

提出了一种用于织物疵点检测的自适应正交小波基的构造方法.该方法从小波滤波器系数满足的正交归一化条件入手,采用一定数量参数角的正弦和余弦函数构造出一定长度的正交小波滤波器系数的统一解析式;以分解子图中像素最大能量值最小作为逼近条件,采用遗传算法作为寻优算法,从而实现针对不同的织物,自适应地构造小波基.同时,实验证明了自适应小波基的对疵点图像分解效果.     

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。     

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。     

基于小波模极大值和自适应Canny算子的织物疵点检测算法

为解决传统人工检测织物疵点时准确率和效率低、经典Canny算子无法自适应平滑和自适应阈值选择的问题,提出一种小波模极大值算法和自适应Canny算子结合的织物疵点检测算法.将自适应Canny算子和小波模极大值算法提取到的织物疵点边缘图像进行加权融合并优化处理.结果显示,该融合算法优于融合前两种单独使用的算法,能有效提取较连续、完整的织物疵点边缘特征,正检率为95.83%,较同类算法提高了1.98%.     

基于小波变换和最大熵的织物疵点检测

首先选取最优小波基对织物疵点图像进行分解,并对分解后的水平及垂直高频系数进行灰度值归一化,然后分别求出水平和垂直细节图像的最大熵及平均熵,通过比较判断出疵点类型,最后对平均熵大的细节图像进行最大熵原理的分割,得到最终的疵点检测结果。仿真实验表明该方法对常见纬向和径向类织物疵点的检测是有效的。     

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。     

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。     

基于方向小波变换的边缘检测

定义了一种方向小波变换，并将其用于图像边缘检测．建立了它与Canny边缘检测子的关系．基于此提出的新的边缘检测方法，不仅可以有效地检测出图像的边缘，而且也可检测图像中某一方向的边缘．实验结果表明，新的边缘检测算法具有能检测方向性边缘、算法简单、计算量小、效果佳等优点．     

基于小波变换的自适应阀值植物根系图像边缘检测

植物根系的生长状况可以反映该地区的气候及土壤特性,现有的根系研究方法如挖掘法、整段标本法和剖面法,都有破坏样本和工作量大等缺点．为了实时跟踪植物根系生长状况,介绍了一种基于多尺度小波变换和自适应阀值的图像处理方法,对采用内窥方法获得的根系图像进行边缘检测,并将边缘提取后的图像进行融合．此方法可以在不损伤植物根系的前提下自动对根系的生长情况进行提取分析,实现实时采集及精确测量根系的物理参数．     

基于小波变换模极大值的边缘检测方法

研究了采用小波变换模极大值进行图像边缘检测方法.小波变换模极大值常用来检测信号的奇异值,用这种方法可以检测到图像所有边缘的细节,但同时也会检测到一些伪边缘和噪声点.研究通过阈值消除伪边缘并给出了确定阈值的具体方法.实验结果表明,采用图像分块方法确定阈值,并用该阈值来限定模值,可以得到更好的边缘检测效果.     

基于TMS320C6678的布匹瑕疵检测算法的并行实现

针对布匹瑕疵检测系统在工业应用中的实时性需求,在分析了小规模过完全字典布匹瑕疵检测算法的基础上,将该算法从VS平台移植至TMS320C6678平台,并提出了一种基于特征拆分的并行方案以充分利用各个内核资源,采用优化的内核间同步、通信方案,实现了高效的多核并行处理,大大减少了算法耗时。实验结果表明,该方法是可行、有效的,并且极大地提升了布匹瑕疵检测系统的实时处理能力,为以后工业应用打下了良好的基础。     

基于小波提升分解的带钢表面缺陷检测

针对带钢表面缺陷的特点,提出了一种基于图像处理的快速检测方法.首先,通过分析小波的提升格式,确定了带钢图像的小波提升分解方法.其次,利用DB2小波对带钢图像进行二层提升分解.然后,选取二层水平细节和垂直细节子图进行图像融合.在此基础上,对融合图像进行标准化和维纳滤波.最后通过oust方差法进行分割从而实现对带钢表面缺陷的检测.实验表明,采用此方法能够有效抑制图像背景干扰,实现带钢缺陷的快速检测.     

基于小波变换的边缘检测

根据Ｍａｌｌａｔ的多尺度边缘检测的思想,实现了多尺度Ｂ样条的边缘检测算法。在检测之首对图像进行自适应平滑处理,在选取小波函数时提出一种更加有有效的小波函数。同时,提出一种简单而有效的检测和边缘点连接的算法,最后,在分解和重建时采用一种基于滤波器系数特征的快速算法。结果表明,该方法比较适合于精确快速边缘检测。     

基于多尺度小波算子的图象边缘检测

分析了传统的图像边缘检测算法及其存在的问题，论述了基于多尺度的小波分析进行边缘检测的算法，并以实例说明基于小波分析得图像边缘检测算子效果更优。     

基于小波变换的Canny算子边缘检测算法

分析了基于小波变换的图像增强算法和传统的Canny边缘检测算法,提出将两种方法有效地结合起来,应用于对比度低图像的边缘检测中。实验证明,该方法准确的检测图像中的目标边缘,且能较好地保持目标边缘的连通性。     

基于自适应阈值的三维图像多尺度边缘检测

目的研究三维图像边缘检测中边缘的定位精度问题,根据多尺度小波变换的方法,提出一种自适应阈值三维图像多尺度边缘检测技术。方法首先对三维医学图像分解成多幅二维图像,再对图像直方图滤波平滑处理,消除噪声的影响,然后对平滑后的直方图进行多尺度分析,找出直方图的谷点,以不同尺度下的谷点比较后自动确定精确阈值,按照阈值对图像分割,然后对分割图像进行边缘检测,最后将多幅二维图像合成三维图像。结果实验表明,该方法能够自动准确选择分割阈值,准确检测三维图像的边缘。结论算法能解决人工估算阈值不够准确的问题,所检测到的三维图像的边缘能够满足目标识别和三维重建的要求。