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%.     

基于计算机视觉的织物疵点自动检测

用小波变换结合BP神经网络对织物疵点进行检测和分类.采用平纹坯布作为试样,对油渍、缺经、缺纬疵点进行识别.摄相机摄取256×256图像,将拾取图像进行小波分解,然后把小波分解后的图像灰度值作为特征参数输入到BP神经网络进行检测识别.实验结果表明,用这种方法识别织物疵点,识别率可达到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。     

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.     

基于小波变换和图像分割的织物等级自动评定

在运用小波变换进行疵点检测的基础上,运用图像处理技术对检测出的疵点进行分割表征,根据人工验布的评分标准结合小波疵点检测和图像分割疵点的特点制定的自动评分准则,并对表征的疵点进行评分,从而实现对织物等级的自动评定.     

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。     

Fabric Defect Detection Using Adaptive Wavelet Transform

A method of woven fabric defect detection using the wavelet transform adaptive to the fabric has been developed. With reference to the orthogonality constrains of Daubechies wavelet, by taking the minimization of the energy or the gray level of the pixels hi the output sub-images as the additional conditions and using the random algorithm method, two sets of wavelet filters adapted to the fabric texture were formed. The original images of normal fabric texture and the fabric texture with defects were decomposed into horizontal and vertical sub-images by using these filters and the feature indices of these sub-images were also extracted. By comparing the feature indices of the normal texture with that of the defective texture, the fabric defects can be successfully detected and located.     

选取小波函数的方法研究

在利用小波变换轮廓术进行三维面型测量时，由于满足存在条件的小波函数很多，而以前的研究论文，很少有针对小波选择问题的讨论，使得我们在如何选择合适的小波函数的问题上存在困惑.通过选取几种不同的小波对同一图像进行利用连续小波变换（CWT），比较不同小波在小波变换系数“脊”处的幅值和恢复图像的效果，得出通过参考小波变换系数幅值表现的方法来选取合适的小波函数的结论.计算机模拟和实验也证实了该方法的正确性.     

Realization of Orthogonal Wavelets Adapted to Fabric Texture for Defect Detection

The wavelet adapted to the fabric texture can be developed from the orthogonal and normal series which are selected randomly by means of Monte Carlo method and optimized by adding certain constraint conditions. Then the fabric image can be decomposed into the subimages by the adaptive wavelet transform and the horizontal and vertical texture information will be perfectly contained in the subimages. Therefore this method can be effectively used for the automatic inspection of the fabric defects.     

基于摄像头采集和图像处理的机织物密度检测

采用CCD摄像头拍摄机织物图像,根据其特性进行图像处理,自动寻找条纹方向并旋转图像.通过运用误差处理的方法,得到精确的织物经纬密度.研究结果表明,拍摄一幅图像即可快速得到织物的经纬两个方向的密度,比傅里叶变换和小波变换计算量小,并可以用于实际生产过程中的纺织品密度在线检测.