RULE-BASED FABRIC INSPECTION USING MACHINE VISION

Automatic visual inspection of fabric is not only one of the potential application of machinevision but a considerable challenge in textile engineering as well.This paper mainly discusses howto inspect fabric defects using machine vision.The introduced inspection system has a feature of:(?)Categorizing the fabric defects into 4 groups,for each group diffcrent image processing and recog-nizing methods are designed for fast and efficient inspection:2.The inspection and recognitionparameters are determined by training and self learning,these parameters vary with different kindsof fabric;3.Human inspetor's experiences are summed up as rules to ensure the system has a s(?)lar evaluation performance of human inspector.This system can detect most of the fab(?) defects.the total recognition error is less than 5% except for the detection error of yarn irregularity,whichcould be as high as 20%.     

Fabric Defect Detection Technique Based on Two-double Neural Network

This paper introduces the identification of the defects on the fabric by using two-double neural network and wavelet analysis. The purpose is to fit for the automatic cloth inspection system and to avoid the disadvantages of traditional human inspection. Firstly, training the normal fabric to acquire its characteristics and then using the BP neural network to tell the normal fabric apart from the one with defects. Secondly, doing the two-dimeusional discrete wavelet transformation based on the image of the defects, then wiping off the proper characteristics of the fabric, and identifying the defects utilizing the trained BP neural network. It is proved that this method is of high speed and accuracy. It comes up to the requirement of automatic cloth inspection.     

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。     

焊接缺陷实时成像自动检测技术的研究

对射线实时成像检测技术的发展现状进行了分析 ,指出了目前存在的主要问题。以焊接缺陷的射线实时成像检测为对象 ,简要介绍了图像增强及去噪声等预处理方法。对缺陷提取技术进行了研究 ,设计了基于灰度梯度的焊缝边界提取方法 ,采用基于分离焊缝的拟合 DSA方法进行特征提取 ,详细介绍了有关算法并给出了实际处理结果。另外 ,提出了提取结果相关性修正的概念及算法并对缺陷类型识别方法进行了研究。采用上述方法开发完成了一套焊缝缺陷实时成像检测系统     

Wiener滤波器分解织物图像在织物疵点自动检测中的应用

首先介绍了 Wiener滤波器的算法和织物图像经 Wiener滤波后的分解 ,然后对分解后的经向和纬向子图像划分为 6 4个矩形块 ,对每个矩形块提取灰度极差作为特征值 ,再对特征值进行分析以实现对疵点的自动检测。实验证明了该方法的简单有效性 ,对素色织物的常见疵点具有快速、准确的检测效果     

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。     

电力系统经济调度的量子粒子群改进算法

电力系统经济调度(economic dispatch,ED)通过合理配置电力资源,在满足实际运行约束的前提下,使发电成本率最小化。针对ED问题,将量子粒子群优化(quantum-behaved particle swarm optimization,QPSO)算法与随机扰动策略相结合,提出了一种改进的随机扰动量子粒子群优化(QPSO with random perturbation,RPQPSO)算法。扰动策略采用2种方式,在进化后期根据随机概率对群中的每个粒子进行扰动,避免算法陷入局部最优。为了验证其有效性,利用一组标准测试函数对RPQPSO算法进行了性能测试,测试表明,该算法有助于增加种群多样性,提高算法的全局搜索能力。通过将该算法应用到典型电力系统中进行测试,该算法相较于传统遗传算法、粒子群算法和QPSO算法,在解的质量、鲁棒性和收敛性等方面都取得了较大的提高,表现出优异的求解性能。     

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.     

基于光度立体视觉的起皱织物表面形态重建研究

提出一种基于光度立体视觉方法对织物表面进行三维重建，先利用合成图像验证该算法，再将其应用于真实织物，该算法中结合了有限差分法，来获取织物的三维轮廓数据，并采用四个特征参数定量描述织物的起皱程度。     

基于混合QPSO的LS-SVM参数优化及其应用

针对最小二乘支持向量机(LS-SVM)的参数寻优问题,提出一种基于混合量子粒子群算法(HQPSO)的LS-SVM参数选择方法,以提高LS-SVM模型的学习性能和泛化能力.该算法结合QPSO算法的全局优化能力和Powell的局部寻优能力,分别对粒子初始位置、新局部最优位置以及全局最优位置进行Powell局部寻优,提高求解速度和解的精确性.利用测试函数对该建模方法进行仿真测试,与PSO LS-SVM模型进行比较,并利用湿法炼锌净化过程现场数据进行工业验证.研究结果表明:HQPSO LS-SVM模型具有较好的泛化性能,模型预测精度高,预测结果满足工艺生产的要求.     

基于Sigmoid函数拟合的亚像素边缘检测方法

亚像素边缘检测技术是采用图像处理软件算法来提高检测精度的有效途径,因而在基于计算机视觉的检测中具有重要地位。本文对矩法、拟合法和插值法等常用的亚像素边缘检测算法的原理、优点和不足进行了分析。提出了Sigmoid函数拟合的亚像素边缘定位算法,该算法采用Sigmoid函数拟合边缘模型,然后利用图像边缘灰度信息,对该模型进行非线性最小二乘拟合,求得边缘的亚像素位置。实验中测得本文提出的基于Sigmoid函数拟合的亚像素边缘定位算法定位精度为0.045像素,但检测的速度比灰度矩提高了一个数量级,比空间矩、Zernike矩和插值法提高了两个数量级。理论分析和实验结果表明：本文提出的亚像素定位算法能较好的满足影像测量中的稳定可靠、精度高及实时性的要求。     

模型基编码中实时三维运动估计的新方法

将自适应迭代松弛搜索算法RSA引入到MPEG4模型基编码的三维运动参数估计中，解决了估计算法的稳健性问题。经过简化计算的复杂度，得出一种快速算法，大大提高了估计速度。同时设计有效的参数初值设置和调整方法，改善了估计的准确性，使之更适用于长序列实时运动估计。通过与预测最小均算法PLS和扩展的卡尔曼滤波算法EKF进行模拟数据和真实序列实验比较，证明本文提出的RSA算法具有很好的鲁棒性和准确性。     

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.     

运动车辆的多传感融合跟踪

针对单一传感器可靠性低、有效探测范围小的缺点,提出了采用雷达与机器视觉融合来实现路面运动车辆跟踪的新方法.该方法采用动力学模型对车辆运动进行描述,考虑了车体运动与车轮速率、转向角之间的关系,比用线性模型更符合车辆实际行驶时的复杂运动状况.通过基于雷达量测的扩展卡尔曼滤波估计建立视觉窗口,再根据图像灰度信息自适应调整窗口中心位置及尺寸,有效地限制了后继图像处理的工作区域,提高了系统的实时性.新方法采用数据融合技术,充分利用雷达与图像传感的量测信息,改善了对机动目标的状态估计.实验证明,该方法能明显提高路面运动车辆位置和方向角的跟踪精度.     

基于SHA-3与DNA编码混沌系统的输电线路图像加密算法研究

针对输电线路巡检中无人机采集的图像数据存在的安全与加密效率问题,文中提出一种SHA-3算法与DNA编码混沌系统相结合的图像加密算法。首先,为加强密钥对图像明文的敏感性,利用SHA-3算法生成巡检图片的哈希值作为超混沌系统的初始值密钥;然后,根据对角线提取规则将图片进行像素块置乱,并使用超混沌系统生成的混沌序列映射DNA编码规则,对置乱完毕的巡检图片进行DNA编码、运算与解码,实现巡检图像的加密与解密;最后,为验证文中方法的有效性以及优越性,以某国网公司实际巡检图像数据为基础,设置密钥空间、密钥敏感性、直方图、信息熵、加密时效等实验对算法进行测试分析,结果表明该算法相较传统算法安全性更高的同时,具有较好的实时性,可胜任实际巡检中的图像加密任务,为输电线路巡检图像加密任务提供了新的思路和技术方法。     

气门几何尺寸的多种边缘高精度检测

目前边缘检测算法只能检测水平边缘、垂直边缘,且检测精度低、处理速度慢、抗噪性能差;针对上述存在的缺陷,提出一种气门几何尺寸的多种边缘高精度尺寸检测算法。首先采用中值滤波和高斯滤波对气门采集图像进行预处理,然后针对不同的边缘使用不同检测算法实现图像边缘的像素级定位。在像素级边缘定位的基础上采用几何质心法亚像素边缘定位实现图像边缘的亚像素级精确定位。最后采用畸变校正技术对图像中边缘像素点的坐标进行校正,得到没有畸变情况下边缘像素点的理想坐标,根据像素当量计算得到气门的各个尺寸。通过在光学图像检测系统中的实际应用,证明提出的算法精确且稳定,满足高精度视觉检测的要求。     

基于量子粒子群优化的数字冲击滤波器自动设计

为了提高数字冲击滤波器设计的效率,提出了一种基于QPSO算法的优化设计方法.首先根据EBPSK通信系统中数字冲击滤波器的特殊滤波机理,在考虑有限字长效应的情况下对数字冲击滤波器进行建模,然后设计出合理的优化变量、目标函数和约束条件,并利用QPSO算法的全局搜索能力和惩罚函数法的约束处理机制设计数字冲击滤波器.仿真结果表明:种群适应度值能够逐步达到收敛,从而保证了寻优结果的最优性;设计得到的滤波器幅频响应在中心频率处呈现出极窄的陷波-选频特性,并可将EBPSK调制信号的微弱相位跳变转化为明显的幅度冲击,有利于解调.与已有的手调滤波器相比,该设计方法快速可靠,可节约0.3～0.5 dB的信噪比增益.     

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。     

A Novel One-Dimensional Projection Based Method for Fabric Texture Representation

Automated defect detection in woven fabrics for quality control is still a challenging novelty detection problem,while the efficient representation of fabric texture is essential for it.This paper presents a novel method for fabric texture representation.Benefiting from the characteristics of the weaving process,the major texture information of woven fabric is concentrated in the warp and weft directions.Thus,the proposed method is firstly to project the image patch along warp and weft directions to obtain projected vectors containing warp and weft informations.Secondly,the obtained vectors instead of image patch,are used to extract the features that are able to represent fabric texture.Finally,the t-test is applied to verifying the usefulness of the proposed method in discriminating defective and normal fabric textures.The experiments on various defective samples demonstrate that the method yields a robust and good performance in representing fabric texture and discriminating defects.     

面向输电线路的压缩感知图像去噪方法

传统的基于字典学习的输电线路图像去噪方法,易受冗余字典影响存在重建图像边缘细节恢复不足的问题.为了有效抑制输电线路图像表面存在的高斯噪声,提出一种图像非局部自相似特性与改进K-SVD字典学习算法融合的输电线路图像去噪方法,利用图像非局部自相似性作为正则项约束并加权稀疏表达模型,提高去噪图像复原和保留细节的能力.实验选取含有自然图像和输电线路典型缺陷图像进行仿真实验测试.实验结果表明,所提出的算法不仅能够很好的保留图像纹理特征与边缘细节,对高斯噪声也具有良好的鲁棒性.