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。     

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。     

基于自适应双正交小波的织物疵点边缘检测

针对织物疵点边缘检测问题,分析了"最佳"边缘检测滤波器设计的准则,以及构造自适应双正交小波的优化目标函数,提出了一种基于自适应双正交小波的图像边缘检测方法.实验结果表明,与已有的基于小波的图像边缘检测方法相比,本方法具有更好的边缘检测能力和鲁棒性.     

ⅡR实值正交对称小波滤波器的设计

本文提出了一种基于复系数全通滤波器的具有较高消失矩的ⅡR实值正交对称小波基的设计方法。由小波的对称性和正交性条件给出了复系数全通滤波器的传递函数的表达式,然后根据实系数二通道仿酉滤波器组获得了实值正交小波基,由于是从全通滤波器出发的,所以文章构造的小波滤波器是ⅡR实值正交对称小波基。     

滤波器长度为4的紧支撑正交小波基的构造

深入研究滤波器长度为4的紧支撑正交小波基的结构特点,从而找到更一般化条件使引入参量后的滤波器系数所对应的小波还能保持紧支撑及正交性,并构造具体实例验证了所得结论的正确性.     

7/5双正交小波的构造及图像编码应用

根据双正交小波精确重构条件,推导出了7/5双正交小波滤波器组的参数化表达式.该表达式参数可随意取值,因此能够任意构造具有不同特征的7/5线性相位小波滤波器.作为构造实例,构造了具有最佳编码增益的有理系数7/5小波滤波器.实验表明,它具有与CDF 9/7小波滤波器相似的图像压缩性能,而且其提升小波变换的计算效率可提高20%.     

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%.     

二元向量值双正交小波滤波器的构造与性质

研究二元向量值双正交小波滤波器的构造问题.当其中一个向量值尺度函数的两尺度矩阵序列的多相分解为矩阵多项式时,运用提升思想与矩阵的多相分解法,给出相应的二元向量值双正交小波滤波器的构造公式.讨论二元向量值小波包的性质,得到二元向量值小波包的双正交公式与向量值小波包基.     

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。     

小波滤波器的统一构造方法与软件

尽管小波分析与应用已十分深入 ,特别是紧支集上的小波变换已广泛应用在信号处理 ,如图象压缩、声音处理、文字识别等领域 ,但小波基或小波滤波器的构造却是一件十分艰苦的工作 ,它揭示了紧支集上任意长度正交小波基滤波器统一的解析结构。一种有限步递归构造分解方法可以非常容易地计算出任意多个参数的正交小波基滤波器参数。此后并验证了Daubechies等人的小波滤波器的构成参数 ,以及验证了已在具体应用中发挥重要作用的一些滤波器。小波滤波器的解析构造使得动态选择小波基变得极其容易 ,这一结果必将在小波理论及应用方面产生积极的作用。     

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.     

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.     

针织物外观平整度的小波分析与等级评定

引入二维小波分析方法,分析针织物的外观平整度,提取了较为精细的针织物图像信息.图像首先经过中值滤波,再利用小波变换分解并从中提取高频信息,然后结合4种表征织物折皱的特征参数,计算不同平整度等级模板的特征值.并以此为依据,运用最小距离判别法,确定16种不同针织物类型的平整度等级.为了定量描述评定结果,通过计算客观评定与主观评定结果的相关系数,验证该方法的可行性.     

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。     

基于小波门限化的图像去噪方法

提出用小波门限化方法对图像的噪声进行处理,从理论上分析和探讨了小波门限化的作用,以及对抑制噪声形式的无纹理图像的自适应性,实验结果表明,所处理的图像取得了很大的结果。     

DSL应用中的一种DMT／DWMT系统实现方法

DMT是基于DFT作为多载波系统,极大地提高了传输信道的信噪比,在远端串扰时,其各子信道仍然存在着较大的频谱重叠,使误码率增加,而以正交交叠小波为基础的离散多音传输（DWMT）系统却拥有比DMT更好的谱容度,并且能达到更高的抗干扰能力,使用一种准正交（pseudo-orthogonal）交叠为基础的DWMT系统,能在现存的DMT上兼容实现,此合成系统通过从DMT/DWMT中选择一种较好的传输系统模型来自适应地运行于不同的信道环境。     

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.