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。     

基于连续小波变换的非结构化畸变织物疵点自动检测

采用连续小波变换对非结构化畸变疵点进行自动检测．介绍了具有代表性的连续小波——墨西哥草帽小波基本原理及其对疵点的边缘增强效应；设计疵点自适应小波，确定最佳的小波参数；并将其应用于织物疵点的自动检测；通过对两种非结构化畸变织物疵点的实际检测来验证该方法的可行性．实验表明，该方法的检测速度最高可达6．5m／min．     

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。     

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.     

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.     

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.     

基于计算机视觉的织物疵点检测的近期进展

按照模式识别的一般顺序并根据当前的研究中所使用的方法,简要综述了近年来计算机视觉在织物疵点检测领域的应用和发展情况。首先分析了将计算机视觉应用于织物疵点检测的现实意义。考虑到特征提取与选择模块以及检测模块是瑕疵检测系统中最关键的两个部分,着重讨论了这两个模块近期所涉及的各种方法及其在疵点检测应用上的效果。最后给出了结论,说明了开发国产化自动验布机的意义。     

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.     

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.     

Fabric Defect Detection Using GMRF Model

It has been testified that the Gauss Markov random field model is most suitable for the characterization of fabric texture among a variety of available models because of its approximately constant character and the normality of the gray-level distribution found with typical fabric images. However, the general Gauss-Markov random field(GMRF) method for fabric defect detection is not always ideal in practice since in some cases, the estimated model parameters make the Markov error covariance not positively definite, which may render the method to fail thoroughly. In this paper, the use of the GMRF model for defect detection of fabric is discussed and an approach to this problem is proposed. Some detailed texture may be overlooked in this way, but good detection results can still be expected as far as fabric defect detection is concerned.     

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.     

基于小波变换的物体轮廓缺陷图像检测研究

提出将二维物体的轮廓图像坐标信息转换成基于质心距离的一维向量信息来进行检测.并设计了基于双正交对称小波的去噪算法.实验结果表明,这种算法可以有效地去除噪声信号和缓变信号,保留缺陷的突变信息,是一种有效和实用的轮廓缺陷检测算法.     

连续小波变换在蛋白质结构预测中的应用

将代码为3pgal蛋白质的氨基酸序列映射为疏水值序列，在合适的尺度下，通过连续小波变换方法可对其非规则二级结构进行预测，淮确率为83．3％。从PDBsum数据库中随机抽取100个蛋白质作为测试对象，经本法处理后，1853个非规则二级结构中有1424个能被淮确预测到，平均预测淮确率为76．8％。结果表明：该法可较好地预测蛋白质的非规则二级结构，具有极大的发展前景。