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。     

一种局部频域分析的多尺度纹理特征提取方法

在局部二进制模型和多分辨率分析的基础上,提出一种基于局部频域分析的多尺度纹理特征提取方法.对纹理图像采用局部圆形邻域作为局部模板进行局部频率变换,对各频段图像实现多分辨率分析,提取多尺度下的特征向量,结合SVM算法进行分类实验.结果证明,该方法在继承了LBP对光照因素具有的稳定性的同时,具有旋转不变性特征;利用NSCT在多尺度下进行的纹理特征提取也满足尺度不变性的需要,与其他方法相比提高了分类准确率.     

一种自适应织物疵点图像分割的方法

由于受到光照、噪声以及组织纹理等因素的影响，使得织物疵点图像分割一直是织物疵点检测研究中的热点和难点问题．针对常见织物疵点大多在相邻纱线上带有纬向或经向的方向性变异的特点，提出了提取织物图像变异度特征及基于此的简化脉冲耦合神经网（Pulse-Coupled Neural Network，PCNN）的织物图像疵点分割的新方法．实验结果表明，本方法不仅对常见的织物疵点能进行快速、准确地分割，而且具有一定的健壮性．     

基于LBP预处理和子图像特征采样的人脸识别

针对随机子空间方法对人脸图像的局部变化鲁棒性较差、多次随机采样时间开销较大、采用固定采样率等问题,提出了一种结合LBP预处理和子图像特征采样的人脸识别方法.首先对人脸图像进行LBP预处理,得到LBP纹理图像;然后对LBP纹理图像进行子图像划分;最后结合随机子空间方法对子图像进行随机特征采样,训练基分类器,并进行集成.同时,结合多尺度分析进行分层随机采样(Stratified-RS),该方法将多次随机采样进行分层,每层使用不同的采样率,进而得到了具有不同维数的特征子集,减少了提取的特征总数,结合级联集成可以进一步增强基分类器之间的差异性.在ORL,Yale,Extended Yale B和CMU PIE这4个人脸数据库上进行了试验.结果表明,所提出方法在提高随机子空间方法运行效率的同时也能保持较好的识别精度.     

织物疵点轮廓的计算机提取算法

提出一套新的织物疵点轮廓提取算法,可简单快速地提取织物图像中已确定位置的疵点轮廓.采用"去纹理算法"去掉织物的图像纹理,提出"平均并色法"去掉疵点周围的背景并用扫描法提取疵点形状建立适合后续处理的数据模型;用方向判断法分析疵点内部与背景色颜色一致的点是否需要去除,建立疵点轮廓的环型数据模型供后续疵点的相关进行分析,并建立疵点轮廓逐行数据模型供后续平移、放缩、翻转等处理.通过实例得出该套算法适用范围广,可高速准确地自动提取织物疵点轮廓.     

基于多尺度LBP和复合核的高光谱图像分类方法

为了更好地利用高光谱图像的纹理特征信息,提出了一个基于多尺度LBP和复合核的高光谱图像分类方法.利用LBP的两个最佳尺度来提取高光谱图像的纹理特征,将得到的空间纹理信息输入高斯核函数中,得到两个空间核,与直接提取光谱信息得到的光谱核结合在一起组成一个复合核,将这个复合核输入支持向量机(Support Vector Machine,SVM)进行分类得到分类结果.结果表明,在Indian Pines和Pavia University这两个真实的数据集上分类精度分别达到0.994 8和0.991 8,明显优于其他同类杰出的高光谱图像分类方法.     

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.     

基于灰度共生矩阵和稳健马氏距离的织物横档类疵点检测

在分析横档类疵点纹理特点的基础上,提取织物纹理图像的灰度共生矩阵单特征值--对比度.利用最小中值平方估计的快速算法,获得正常织物纹理训练样本的稳健马氏距离,并应用契比晓夫不等式确定在一定置信度条件下判断待检织物为疵点的马氏距离的阈值.对8种不同纹理结构、织物密度和纱线线密度的织物进行了横档类疵点的检测,在90%置信度下,可检出90%以上的横档类疵点,误检率为3.28%,检测效果较好.     

采用自适应加权扩展LBP的单样本人脸识别

提出了一种采用自适应加权扩展LBP(AWELBP,adaptively weighted extended local binarypattern)的单样本人脸描述方法,首先对单样本的人脸图像进行多尺度分块,对子块的图像进行扩展均匀LBP算子运算,同时同步生成图像局部熵图谱(LEM,local entropy map),计算每一子块对整体人脸图像纹理描述的贡献度图谱,根据贡献度图谱对每个子块的LBP直方图进行自适应加权,最后将各子块的LBP直方图进行连接形成人脸特征。本算法在ORL、Yale、Yale B人脸库上对部分遮挡、表情变化、光照变化等环境进行测试,并与传统算法以及与多种LBP改进算法进行比较,结果表明该算法对部分遮挡、表情变化和光照等环境下单样本人脸描述具有较好的效果。     

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。     

基于LBP-SR的复杂场景人脸识别算法

文章提出一种基于LBP-SR的人脸识别方法.算法首先对原始图像进行高斯滤波和下采样以构造图像金字塔,然后提取金字塔图像的LBP特征,构建由多级LBP金字塔图像的特征直方图组成的多尺度人脸特征,最后将人脸特征投影到谱回归子空间上以完成降维.实验分析表明,LBP金字塔特征具有较强的人脸描述能力,在复杂场景下该算法具有比经典算法更好的识别率,并且有较快的识别速度,可用于实时视频监控.     

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.     

基于最优Gabor滤波器的织物疵点检测

织物的疵点检测在纺织工业生产的质量控制中起着至关重要的作用.针对织物疵点,论文提出一种基于最优Gabor滤波器的织物疵点检测算法.首先,针对4尺度4方向的16个Gabor滤波器,借助的方向模板对疵点图像滤波后的信息量确定2个最优方向;其次,综合信噪比和损失评价函数在2个方向的8个滤波器中各自选取1个最优滤波器;然后,对滤波后的疵点图像做融合和二值化,实现了疵点检测.从实验结果看,该算法能够有效地检测出织物疵点.     

基于Gabor特征和局部二值模式融合的纹理图像识别

传统的Gabor滤波方法和局部二值模式(Local Binary Pattern,LBP)算法提取的纹理特征鉴别能力不足,导致纹理识别精度不够理想.为了解决上述问题,提出一种将全局Gabor特征和局部LBP特征进行融合的纹理图像识别方法.该方法利用Gabor滤波方法提取纹理图像的全局特征,利用LBP算法提取纹理图像的局部特征,然后在最近子空间分类器的框架下实现全局和局部特征的融合以及纹理图像识别.在CURe T和KTH-TIPS基准纹理库上的实验结果表明,笔者提出的方法显著超越了传统Gabor滤波方法和LBP算法的纹理识别精度.     

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。     

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.     

基于非下采样contourlet变换的纹理图像检索算法

提出一种应用非下采样contourlet变换(nonsubsampled contourlet transform,NSCT)进行图像检索的算法,以获取一种兼顾纹理图像概貌和细节信息的特征,从而提高图像检索的性能.该算法利用NSCT对图像进行多尺度、多方向分解,获得子带系数矩阵;对低频子带系数提取能量和方差作为全局纹理特征,并对高频子带系数分别提取尺度间和尺度内纹理信息;通过非高斯双变量模型拟合子带系数,利用信息熵描述尺度间特征;尺度内特征通过对同一层子带图像按主方向排序,获得直方图图像,计算其加权信息熵作为特征向量.对Brodatz标准纹理库的检索实验结果表明,与同类算法相比,该文方法具有更高的检索性能.     

基于二维Gabor滤波器的非织造布疵点检测

针对非织造布疵点自动检测问题,提出一种基于二维Gabor滤波器的非织造布疵点检测方法.该方法采用3个尺度和4个方向的滤波器分别对经过Gamma矫正以及同态滤波处理的正常图像和疵点图像进行滤波,进而得到偏差图像,并做融合处理,经二值化后将疵点从织物背景中提取出来,从而实现非织造布的自动检测.试验结果表明,该方法对非织造布各类疵点的检测,尤其是对隐性疵点是非常有效的.