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。     

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.     

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。     

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.     

Wiener滤波器分解织物图像在织物疵点自动检测中的应用

首先介绍了 Wiener滤波器的算法和织物图像经 Wiener滤波后的分解 ,然后对分解后的经向和纬向子图像划分为 6 4个矩形块 ,对每个矩形块提取灰度极差作为特征值 ,再对特征值进行分析以实现对疵点的自动检测。实验证明了该方法的简单有效性 ,对素色织物的常见疵点具有快速、准确的检测效果     

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。     

复杂纹理织物的起球图像采集及预处理方法

针对织物起球等级客观评估中复杂织物纹理干扰起球图像分割的问题,提出一种新的起球图像采集及预处理方法.首先采集同一织物的多角度光照投影图像,该图像混合有不变场景的复杂底纹和光照投影变化的起球信息;然后应用独立成分分析方法,对多角度光照起球图像进行独立成分分解;再利用频谱特征分析方法分离出属于织物底纹的独立分量,以重构出滤除织物复杂底纹的起球图像.试验结果表明,该方法能有效地滤除各种起球织物图像中的复杂底纹,为复杂纹理织物的起球等级客观评估提供可能.     

基于Wold模型的织物起球纹理非确定性成分提取

通过对Wold纹理模型理论及其在织物起球纹理分解应用可行性的分析,提出包括谐波峰状点结构、线结构及其支撑区域扩展的二维Wold分解算法流程,并设计了二维多尺度B-样条小波匹配滤波器进行峰结构奇异目标检测,提高了Wold分解的鲁棒性.几种典型起球织物纹理的Wold纹理模型分解结果表明,该分解算法能将含有毛球信息的非确定性纹理成分从织物底纹中分解出来,较好地解决了复杂织物底纹对毛球目标识别与分割的影响.     

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.     

基于图像分解的织物组织自动识别

利用维纳滤波从水平和垂直两个方向分解织物图像,经过合理的二值化,分别获得包含经纱和纬纱特征信息的子图像,从而计算经纬纱密度等参数.综合子图像的部分信息,可以确定织物组织点的位置,再利用每个组织点区域内经纬向纹理特征,判断织物组织类型.经过对平纹、斜纹、缎纹3种基本组织布样的实验,表明该方法可以很好地识别织物组织类型.     

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.     

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。     

基于小波变换的工业微生物菌种自动识别

以“绿僵菌”为例，在前人研究的基础上，从包含原图像丰富信息的多分辨率小波分解的子图像抽取纹理熵特征，经特征选择，确定最佳特征组合维数，设计了基于感知准则的线性分类器，训练和测试后，分类识别精度可达90％以上，为菌种的自动分类识别提供了理论依据和技术支持，也在计算机图像识别领域做出了新的尝试。     

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.