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.     

基于模糊及分块主纹理谱的图像聚类

基于主颜色方法提出分块主纹理谱的概念,在每个分块中自动生成阈值来过滤噪声.从模糊逻辑的角度出发提出一种新的纹理谱描述符,结合区域灰度平均值,构造隶属函数来计算纹理单元值.实验证明,所提出的方法在图像聚类方面达到较好的聚类效果.     

复杂纹理织物的起球图像采集及预处理方法

针对织物起球等级客观评估中复杂织物纹理干扰起球图像分割的问题,提出一种新的起球图像采集及预处理方法.首先采集同一织物的多角度光照投影图像,该图像混合有不变场景的复杂底纹和光照投影变化的起球信息;然后应用独立成分分析方法,对多角度光照起球图像进行独立成分分解;再利用频谱特征分析方法分离出属于织物底纹的独立分量,以重构出滤除织物复杂底纹的起球图像.试验结果表明,该方法能有效地滤除各种起球织物图像中的复杂底纹,为复杂纹理织物的起球等级客观评估提供可能.     

一种基于纹理方向性分析的织物疵点检测方法

根据织物图像纹理自身特点,从图像纹理的方向性入手,提出了基于纹理方向性分析的织物疵点检测方法.通过对不同方向性织物疵点图像检测实验,证明本文提出方法对具有方向性的斜纹类织物疵点检测具有较好的有效性和可靠性.     

基于多尺度下LBP和PSO的织物瑕疵检测方法研究

针对丝织品疵点纹理与正常情况下织物纹理特征的不同,提出一种多尺度下LBP和PSO结合的织物疵点检测算法.首先对织物图像进行非线性的金字塔多尺度分解,再对各尺度图像提取对光照和旋转具有不变性的LBP特征,在此基础上,利用PSO的快速收敛特点计算各分块的LBP直方图的差异确定出疵点位置.实验结果表明,提出的方法具有较好的鲁棒性.     

基于视觉的复合材料自动铺放表面纹理实时检测方法

大型复合材料构件的表面复杂性给铺放过程中工艺参数的实时监控带来了一定的难度,尤其是铺放头的铺放角度这一重要参数。本文结合视频图像处理技术,利用复合材料铺放图像表面纹理的光学反射特性,提出了一种结合图像分割和滤波的纹理方向分析方法：利用图像二维直方图的质心进行分割,对分割后的二值图像进行滤波,并且通过方向性滤波器的窗口角度来判断纹理方向。实验证明,本文所提出的分割方法分割效果好速度快,可以满足自动铺放中铺放路径监测的稳定性和实时性要求。同时通过方向性滤波器判断所得的纹理角度也比较接近实际纹理角度。     

一种方向性纹理织物疵点的检测方法

首先,利用Hough获取织物的纹理主方向及其正交方向,由Gabor滤波器沿着这两个方向分别进行滤波,取模值图像为输出;然后,应用最大熵对两个输出模值图像进行二值化分割,融合这两个分割后的图像并进行形态学处理和去除孤立点;最后,得到疵点图像检测结果.实验选取5种织物疵点进行验证,结果表明:该方法针对不同纹理方向的织物都有良好的检测效果,且滤波器数量少,无需事先学习.     

基于分形维数的图像纹理分析

利用分数维能够把图像的空间信息和灰度信息有机结合起来的特性,提出了一种基于分形维数的图像纹理分析方法.为了更准确地描述纹理表面的粗糙度,该方法首先将纹理图像进行6种灰度变换并计算其相应的分形维数,同时采用H lder指数作为描述图像纹理的奇异性特征,然后利用提取的纹理特征对图像进行纹理分割.实验结果表明:采用该方法所分割的图像能很好地体现图像的纹理分布.     

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.     

基于改进Cascade R-CNN的织物瑕疵检测方法

制造业瑕疵检测问题是工业产品的关键环节,其中织物瑕疵检测尤为关键.针对织物图像尺寸大、局部瑕疵数量少、图像背景复杂等问题,设计了一种基于Cascade R-CNN融合尺度不变特征的织物瑕疵检测方法 .通过训练具有多个递增交并比（IoU）阈值的级联检测网络,解决了传统深度神经网络的过拟合和错配问题;针对工业生产上存在的待检测图片发生倾斜、偏转和迁移等问题,通过尺度不变特征变换（SIFT）算法对待检测织物图进行预处理,将其正确定位到模板图上对应位置后,再进行瑕疵检测;借鉴孪生学习的思路,通过扩充输入通道,同时输入并分析待检测的图像和模板,提高了瑕疵检测的精度.实验结果表明：该模型能够有效地完成瑕疵检测任务,可对7类织物瑕疵进行检测与分类,平均精度均值达87.5%.     

改进的主动形状模型方法在人脸特征点定位中的应用

针对主动形状模型(ASM)已成功应用于人脸特征点定位提出了两点改进方法.其一,首先用Adaboost方法在图像中检测到人脸区域,然后在人脸区域中检测到瞳孔的位置,为ASM中的点分布模型粗略地定位好初始位置;其二,将原始ASM方法中的关键点的1D纹理模型改进为基于核概率密度估计模型的2D纹理模型.改进的方法在SJTU人脸数据库中进行验证,结果表明,改进的ASM方法提高了特征点定位的精度.     

一种基于超像素的户外建筑图像布局标定方法

提出了一种提取户外建筑目标图像中布局信息的方法.首先,基于超像素技术对所给的图像进行大致区域划分.超像素技术是基于一个测度谓词,其利用图像的基于图论的表示法来判定两区域的边界;其次,以划分后的区域(称为超像素)为单位,利用颜色、位置、纹理等信息对其进行标记.在标记纹理特征时,采用了基于3D基元的纹理识别方法.最后,定义规则整合各项标记,实现了对图像内容的划分,提取其布局信息.实验结果表明,该方法应用于常见几种布局的户外建筑目标图像都能收到较好的效果.     

基于稀疏表示的印花织物疵点检测

纺织品中的织物缺陷分布存在稀疏性,使得缺陷图像能够在特定的变换中进行稀疏表示.根据盲源分离理论和形态成分分析,将织物缺陷图像假设由缺陷、背景和噪声3种成分的线性叠加,通过稀疏表示模型对缺陷图像进行表示.首先对原始缺陷图像进行直方图均衡化处理;接着采用基于稀疏表示模型将织物图像分解为缺陷和纹理部分;最后对缺陷图像采用叠加二值化分割法,显示缺陷区域.实验结果表明,该方法对包括星型、方格型和圆点型在内的印花织物缺陷图像,检测时间短,效率较高,平均检测率可达96.3%.     

基于SVM的图像分类研究

支持向量机(SVM)是一种优秀的分类方法,灰度共生矩阵(GLCM)是一种很好的纹理分析方法;本文研究了图像的颜色、纹理等特征对利用支持向量机进行图像分类的影响,提出了一种使用灰度共生矩阵进行综合特征提取的SVM图像分类方法.实验结果表明SVM方法的可行性和有效性,并得出图像综合特征的提取有利于分类效果的提高.     

文本图像页面分割算法研究

提出了一种基于改进纹理谱的文本页面分割算法,该算法首先采用改进的递归投影轮廓切割算法对文本图像页面进行粗分割,并提取文本图像的纹理谱特征;然后采用最小距离法将相邻纹理单元进行分类;最后实现文本图像页面文字区与非文字区的精确分割.实验表明,提出的方法在含有文字、图、表格的文本图像页面分割中效果很好,对其他复杂文本图像页面分割也具有适应性.     

基于BP神经网络与纹理分析优化的雾检测

在利用NOAA AVHRR/3资料并根据雾的均匀纹理特性进行白天雾检测研究中,为了克服对整幅图像进行纹理分析存在的处理复杂和运算量大等缺点,提出了采用纹理分析方法优化细分神经网络雾检测结果的思想.通过计算神经网络检测结果中的低云和雾区连通域的灰度标准差并设定灰度标准差阈值,对神经网络检测结果中的低云区和雾区作了进一步的纹理分析优化细分.结果表明,该方法有效地提高了雾检测的准确性和可靠性.     

基于灰度信息的PCB板精确定位

利用模板匹配法在待测PCB图像中建立坐标系,采用基于边缘灰度幅度的轮辐法检测定位圆,由幅度排序相关搜索算法检测出最佳圆;提出PCB板角度定位的3种算法,比较了不同算法在检测精度、速度和稳定性上的差异,实证了轮辐法可实现PCB板的精确快速定位.     

基于多层小波和共生矩阵的纹理表面缺损检测

提出一种利用多层小波和共生矩阵进行纹理表面缺损检测的有效方法.该方法首先将缺损图像在不同水平上进行小波分解,得到一系列低频子图像和高频细节子图像;然后计算和分析各水平上高频细节子图像的共生矩阵特征;最后选择低频子图像进行小波合成得到无纹理图像进行检测.实验证明,该方法能够快速准确地进行纹理缺损检测.     

基于Wold纹理模型和分形理论的织物疵点检测

应用基于Wold纹理模型,从织物纹理中提取非确定性随机结构.通过正常纹理和疵点纹理中随机结构的表面维分形特征曲线比较,以距离为判别标准定位疵点.几种典型织物疵点的分析表明,基于Wold纹理模型和分形理论的分析方法能准确地检测出织物表面的多种疵点.     

织物起球等级客观评估的图像采集方法

研究了织物起球等级计算机视觉评估中单侧向照明、圆周向照明及多角度投影这3种方式下起球图像采集原理,并进行了包括规则、不规则及深色等多种织物起球图像采集的可靠性列表比较及分析.结果表明:圆周向照明采集方式为最佳方式;基于特征向量分析对多角度投影起球图像进行合成,是一种可行的采集方式;最适合起球图像评估的织物类型为非深色规则纹理织物.