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。     

布匹疵点检测多机任务并行处理平台的构建

针对布匹疵点检测算法复杂度高、实时性差等问题,提出一种以多台计算机并行处理为基础的布匹疵点检测平台的构建方案.首先,改进多处理器硬件体系为松耦合方式;然后,根据图像处理算法一般流程,抽象出图像处理模型,并依据模型将处理算法以任务的形式进行分解、封装;最后,通过构建简单实用的用户数据报协议,将任务传输给相应的客户端进行解析处理.结果表明:平台切实可行,检测算法得到显著的加速.     

基于方法库的织物图像疵点检测

为准确检测织物在生产过程产生的疵点,提出一种基于改进的Gabor滤波方法、数学形态学处理法和多尺度小波检测的方法库的系统检测法.首先采用改进的Gabor滤波方法,选出最优滤波结果,进行高斯平滑,确定正常织物图像的两个阈值门限,进而分割出织物的疵点图像;其次采用数学形态学处理法对织物图像进行检测;最后采用多尺度小波检测的方法,检测最终结果.由于织物的纹理不同,在生产过程中产生疵点的种类众多,算法采用级联检测,保证了检测疵点的准确有效性.试验证明,所提出的算法检测结果较好,能准确定位疵点的位置.     

基于YOLOv3的布匹瑕疵检测方法

针对布匹瑕疵差异较大、分布不均匀等问题,在YOLOv3中引入SwinTransformerBlock模块,用自注意力机制专注于有效特征排除无效特征的干扰,解决瑕疵差异大、分布不均等问题.同时用可变形卷积v2替换普通卷积,增大网络的感受野和多尺度建模能力,更好地适应瑕疵的形状和位置变化,从而提高目标检测的准确性和鲁棒性.实验结果表明,改进后算法在mAP上比原算法提高了3.80%,在检测速度上下降了2.86帧每秒.     

基于改进S变换的电压暂降检测方法

电压暂降是一种重要的电能质量扰动问题,其主要参数包括暂降的起止时刻及暂降幅值.本文用改进S变换对电压暂降信号进行分析,用基频幅值-时间差分曲线定位暂降的起止时刻,通过调节改进S变换高斯窗函数的两个因子使定位更加准确,并给出了调节准则和参数优化范围.通过找到基频幅值曲线的最小值点,对该点前后各半个基波周期的数据进行快速傅里叶变换求得暂降幅值.仿真表明:本文的方法使定位及幅值计算都更加准确.     

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。     

基于边缘检测和小波分析的布匹瑕疵检测方法

针对常见的布匹瑕疵检测方法对破洞、油污检测不敏感的缺点,提出了一种将图像边缘检测和小波分析相结合的检测方法。该方法根据瑕疵边缘变化的差异,通过改进的Canny算子提取布匹边缘特征,识别出油污;选用最佳小波对非油污图像分别在水平、垂直方向进行三层分解,提取水平和垂直方向高频图像的特征值(能量、方差和极差),得到图像纹理频谱相应特征值的分布情况;对特征值归一化并设置相应的阈值,即可得到不同的特征向量,从而实现对断经、断纬和破洞的实时检测。实验表明,该方法的检测速度快,准确率高,可以满足检测要求。     

基于图像距离差的织物疵点检测算法研究

将机器视觉与数字图像处理技术引入到织物疵点检测中,提出了一种织物疵点检测算法———图像距离差算法,即图像采集、图像处理、疵点识别等。该算法可使用户根据织物的类型,自行设置相应的疵点检测控制参数,能够检测出30多种常见的疵点,实验证明该算法具有识别正确率高、误识率低、识别速度快等优点。     

一种基于Contourlet变换的图像边缘检测方法

基于小波变换域图像边缘检测算法只能有效检测出图像有限方向的边缘,而且这种算法所得到的边缘图像往往出现断裂现象.Contourlet变换是一种新的多尺度几何分析方法,它不仅拥有小波变换的时频局域特性和多分辨率特性,而且还具有很好的方向性和各向异性.提出一种新的基于Contourlet变换的边缘检测算法.仿真结果表明,该算法对图像边缘细节的提取比基于小波的图像边缘检测方法更加丰富,且具有较好的连续性.     

基于差值图像及子波变换的人脸检测方法

图像中人脸的检测有广泛的应用范围,提出了一种基于差值图像及子波变换的人脸检测方法．首先根据运动信息从图像序列中检测出候选人脸,然后使用子波变换方法分析候选人脸的直方图,确定出４ 个阈值,再根据此４ 个阈值对候选人脸进行多重阈值二值化,并根据有关人脸的先验知识,在多个二值化图像中定位眼、嘴、鼻．实验结果表明,提出的人脸检测方法能较好地检测出图像中的人脸．此方法在人机交互、安全防范等方面具有一定的实用价值     

基于小波变换的X射线图像边缘检测方法

根据X射线图像本身的特点,利用小波分析将图像的边缘有效分离开来,用canny边缘检测算子提取图像边缘,实验证明它是一种检测X射线图像边缘的有效方法.     

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。     

基于光度立体技术的地板疵点检测方法

不同类型地板的疵点检测系统需要不同的检测算法,这样不仅会提高生产成本,还会造成产品检测流水线的复杂程度;为此提出了一种对两种不同纹理表面地板疵点的检测方法。首先采集若干幅地板图像,利用光度立体测量技术进行处理,再通过SVM分类器对图像分类。对表面光滑的LC11软木地板疵点进行一般的阈值分割算法处理即可;对于表面粗糙的荔枝纹pvc运动地板预先进行平滑滤波、FFT处理,再通过阈值分割等算法处理。试验结果表明,这种疵点检测方法可以较好地满足对两类地板疵点的检测。     

基于小波变换的图像边缘检测

基于信号与噪声在不同尺度下小波系数模的变化特征,利用小波变换系数模局部极大值来提取图像的边缘特征.实验结果说明了这种特征提取方法能够较准确地提取图像的边缘并有效地降低噪声.     

基于小波变换的图像边缘检测

基于信号与噪声在不同尺度下小波系数模的变化特征，利用小波变换系数模局部极大值来提取图像的边缘特征。实验结果说明了这种特征提取方法能够较准确地提取图像的边缘并有效地降低噪声。     

电压凹陷的改进S变换检测方法

提出了一种利用改进S变换模时频矩阵检测电压凹陷特征量的方法.为达到最优分析性能,在保证基频幅值向量平直性的基础上,使其过渡时间最小,以此确定改进S变换的窗宽系数,从而能够准确检测出持续时间小于2个周期的短时电压凹陷幅值.提出利用基频幅值差分向量检测电压凹陷的起止时刻,以克服现有S变换方法对噪声敏感和定位效果受突变幅度影响的缺陷.通过与S变换方法的比较,证明了本文方法明显提高了电压凹陷幅值检测能力和起止时刻定位能力.     

一种新的基于小波变换的图像边缘检测方法

边缘检测是图像分割、区域形状提取、目标检测等图像分析领域重要的基础,也是图像识别中特征提取的一个重要属性。文章设计了复系数全通滤波器对复杂内容的图像进行增强,再对增强后的图像进行边缘检测,实验结果显示,应用文章设计的滤波器可有效地克服图像进行边缘检测过程中噪声对其的影响,边缘检测之后的效果明显优于db(6)小波滤波器和传统算子对图像进行处理后的效果。     

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S变换的自适应降噪方法

简要介绍S变换后的时频特征,提出一种新的基于S变换的自适应信号降噪方法.利用于S变换高质量的时频分布,在时频平面中设计自适应时频滤波器,用于非平稳信号中信号分量的提取,展示该方法在信号噪声抑噪和提高信噪比方面取得了满意的效果.在信号模型的仿真试验与齿轮箱的齿轮故障诊断中,显示该方法在信号提取和压制噪声的效果,且滤波后信噪比有较大提高.结果表明,该方法可以有效提取故障齿轮的故障特征,消除虚假成分的影响,从而提高齿轮故障诊断的准确性.