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.     

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.     

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.     

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．     

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。     

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。     

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。     

图像处理用于织物疵点自动检测的研究进展

织物疵点自动检测、代替传统的人工检测方法是纺织品质量控制和管理的重要环节，同时又是纺织自动化的重要标志之一，基于图像处理的织物疵点检测，主要是通过图像分析，从图像中发现与正常纹理不同的部分，这方面的研究一直在持续，新的方法不断出现，但较为成熟的检测系统较少，开发适合我国纺织业的织物疵点自动检测系统，具有深远意义。     

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%.     

合成孔径雷达定点CS算法量化噪声分析

为了实现星载合成孔径雷达(synthetic apertureradar,SAR)成像处理器小型化和实时信号处理,该文重点研究定点运算和有限字长存储引入的量化噪声。根据chirpscaling (CS)成像算法,建立了CS算法定点运算的量化误差模型,分析了处理流程中的量化噪声,推导了系统输出噪信比与系统字长、FFT长度等参数之间的关系。采用不同系统字长对Radarsat-I数据成像,图像质量分析与所述理论一致,结果表明:通过计算处理流程的噪信比,可实现定点SAR成像处理器系统字长等关键参数的设计。     

SAR成像的变换线性调频尺度(C/S)算法研究

介绍了合成孔径雷达的成像原理,针对目前通用的距离一多普勒（R／D）算法的不足,对SAR成像的变换线性调频尺度（C／S）成像算法进行了研究．构建了弯曲均衡化模型．重点论述了C／S算法中的弯曲均衡化的实现．最后通过实际回波数据的成像试验,论证了C／S算法的可行性、     

基于广义高斯模型的多时相SAR图像变化检测

基于广义高斯模型和Kittler-Illingworth(KI)准则获取SAR比值差异图像的最佳分割阈值,实现多时相SAR图像的非监督变化检测.以徐州市云龙湖畔同一地区2个时相的SAR图像为例进行了试验研究.试验结果表明:与其它的变化检测方法相比,所采用的变化检测算法能更有效地从多时相SAR图像中提取变化信息.     

基于Hough变换和Radon变换对SAR图像目标姿态角识别的综合方法

提出了一种对SAR图像姿态角识别算法进行改进的技术.通过分析Hough变换和Radon变换在实际应用中的局限性,提出了一种综合上述2种方法的姿态角识别算法.利用MSTAR公共目标数据库中的目标样本,通过实验验证,该种方法能够更准确地估计目标的姿态角.     

基于负指数变换和Mean-shift算法的SAR图像可视化方法

为了便于合成孔径雷达(SAR)图像的人工视觉解译,提出了一种SAR图像的可视化方法。用参数化的方法对SAR图像数据进行负指数变换;用Mean-shift算法估计变换后图像直方图分布的众数调整变换参数;对原SAR图像重新进行变换。实验结果表明:与传统方法相比,该方法得到的图像能适当的拉伸暗目标像素值,同时能较好地显示亮目标的细节;而且具备一定的鲁棒性,适用于不同场景的SAR图像。     

SAR虚假图像欺骗干扰算法改进研究

虚假图像目标欺骗干扰是对合成孔径雷达(SAR)电子对抗战中的一种有效对抗方式.但是因为虚假图像目标是由许多虚假点目标构成,所以传统的欺骗干扰信号生成算法运算量非常大,实时性很差.为了克服虚假图像目标欺骗干扰实时性较差的难题,在对SAR虚假图像目标欺骗干扰快速算法的研究后提出了一种改进算法.利用虚假小型几何目标作为虚假图像的基本像素点,然后在距离向和方位向上搬移得到SAR虚假图像.算法的复杂度定量分析表明,算法运算量具有非常显著的改进效果,仿真试验结果证明了改进算法的有效性.     

基于极化合成孔径雷达数据的桥梁检测

为了对遥感合成孔径雷达(SAR)图像中桥梁目标进行自动检测,在极化散射矩阵参数的基础上,提出了一种寻找河流地区对比参数的方法:将总功率、极化熵、相似性参数等参数进行加权组合,利用特征值分析方法求取最优加权系数,从而得到对河流特征敏感的参数组合表达式。进而利用该表达式对河流地区进行了分类实验,对分类结果应用图形形态学方法处理后形成水域模板。在此基础上将水域模板对敏感参数图像覆盖后,对河上桥梁目标进行了自动检测。采用PI-SAR型的雷达的全极化数据进行实验,获得了良好的检测效果,和只使用功率数据进行桥梁检测相比,原来检测不出来的桥梁目标都明显显现出来。实验结果表明,综合利用全极化SAR信息在遥感应用中可以更好的检测和识别目标。     

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。