基于Gabor函数变换的棉花疵点检测技术的研究

棉花中疵点的存在会对后续加工过程造成许多不可控因素,因此对棉花疵点进行准确检测具有重要意义。本文以Gabor函数变换得到的Gabor滤波器为基础,设计5尺度4方向上共20个滤波器,分别通过损失评价函数和最小二维熵值来进行最优尺度和最优方向的选取。使用最优Gabor滤波器来提取幅值特征图,接着进行分割得到目标图像,最后对目标图像进行形态学滤波处理,完善细节并剔除部分误差。结果表明,该算法可以有效地检测出常见的棉花疵点。     

基于小波分解和奇异值分解的织物疵点检测

探讨基于小波分解和奇异值分解的织物疵点检测效果。运用三种算法进行了织物疵点检测。采用基本奇异值分解法进行机织物疵点检测,检测结果受噪声影响较大;采用Haar小波对待测图像进行除噪,边缘检测性较弱。利用Gabor小波良好的图像边缘敏感度、方向和尺度选择性,进行图像滤波,再进行SVD分解。结果表明:Gabor小波和SVD的融合算法可以对图像多种方向多种尺度进行调节,检测效果较好。认为:Gabor小波和奇异值分解相融合算法可应用于机织物疵点检测。     

基于尺度变换的Gabor滤波器织物疵点检测

针对织物表面疵点自动图像检测问题,提出一种基于尺度变换的Gabor滤波器织物疵点提取方法,该方法使Gabor滤波函数的比例伸缩尺度随中心频率而变化。用Gabor尺度变换的3个尺度和4个方向的滤波器组分别与正常和待识别的疵点织物图像进行卷积,提取正常与异常织物纹理特征,从而得到偏差图像。再对偏差图像进行融合,使织物疵点突显出来。最后通过阈值处理检测出织物疵点。对缺经、缺纬、经纬交错和油污4种常见织物缺陷的实验结果表明,这种方法是有效的。     

应用Canny算子的织物疵点检测改进算法

为克服当前Canny算子在织物疵点边缘检测中存在的阈值设定、滤波参数选择等自适应问题,提出一种基于Canny算子的改进算法。通过分析不同种类的织物疵点特征,选择不同参数的高斯滤波器,对织物疵点图像进行滤波处理;采用自适应形式获取图像边缘信息的阈值,避免了因阈值取值过高或过低而无法获得较好织物疵点的边缘信息的问题,同时还可根据不同织物疵点类型选择不同的滤波参数。结果表明,改进后的Canny算法可有效地检测到织物疵点的边缘细节,具有较好的自适应能力,并且提高了算法的有效性。同时对典型的织物疵点进行检测并与传统算法比较,其检测效果更优。     

利用曲率和相关矩阵的角点检测算法

为提高定位准确性并抑制噪声,利用多方向Gabor滤波器,提出基于曲率和相关矩阵的角点检测方法.首先利用Canny边缘轮廓检测器提取图像的边缘并填充缺口;其次计算边缘像素点的曲率;然后利用多方向Gabor滤波器的虚部对原始图像进行平滑,对每个边缘像素及其邻域构造相关矩阵,利用相关矩阵的归一化特征值计算角点准则函数,将角点准则函数值与边缘像素点的曲率的乘积做为角点测度;最后利用非极大值抑制对候选角点进行筛选.分别在无噪声和噪声情况下进行实验,结果表明,与Harris,CPDA,HeYung角点检测算法相比,该方法可以有效地抑制噪声,平均配准角点数提高了19.6%和25.6%,平均定位误差约降低了6.5%和9.2%.     

利用曲率和相关矩阵的角点检测算法

为提高定位准确性并抑制噪声,利用多方向Gabor滤波器,提出基于曲率和相关矩阵的角点检测方法.首先利用Canny边缘轮廓检测器提取图像的边缘并填充缺口;其次计算边缘像素点的曲率;然后利用多方向Gabor滤波器的虚部对原始图像进行平滑,对每个边缘像素及其邻域构造相关矩阵,利用相关矩阵的归一化特征值计算角点准则函数,将角点准则函数值与边缘像素点的曲率的乘积做为角点测度;最后利用非极大值抑制对候选角点进行筛选.分别在无噪声和噪声情况下进行实验,结果表明,与Harris,CPDA,HeYung角点检测算法相比,该方法可以有效地抑制噪声,平均配准角点数提高了19.6%和25.6%,平均定位误差约降低了6.5%和9.2%.     

一种改进的多通道Gabor滤波器布匹瑕疵检测方法

Gabor变换是一种重要的时频分析方法,有很强的纹理分析能力。采用基于多通道Gabor滤波的瑕疵检测算法,通过分析各个尺度的融合信息,提出一种新的多通道融合算法。使用自动阈值迭代算法对融合结果进行二值化处理,得到最终的检测结果。选取4种具有代表性的布匹瑕疵图片进行验证,实验结果表明,该算法不仅能从多通道滤波图像中选择与主观视觉相吻合的通道,而且降低了计算复杂度。     

基于Gabor滤波器的低对比度纸病检测算法

针对现有的纸病检测算法对裂痕、褶皱等低对比度纸病检出率低、抗干扰能力差的问题,提出一种基于Gabor滤波器的纸病检测算法。首先使用Gabor滤波器以及Gaussian滤波器去除纸张纹理干扰,增强纸病区域对比度;然后使用Laplasian算法进行边缘检测,最后使用形态学闭运算得到完整的纸病边缘图像。实验结果表明,该算法对低对比度纸病检测正确率高,并具有良好的抗干扰性能。     

采用Gabor滤波簇和等距映射算法的织物疵点检测方法

为提高织物疵点检测率,将Gabbor滤波法与等距映射方法进行融合,克服疵点检测过程中存在的问题。首先用由3个尺度和5个方向组成的15个Gabor滤波器簇对织物疵点图像进行滤波,减少疵点图像光照不均和对比度低的影响;然后将滤波图像划分成面积相等且互不重合的邻域,并从邻域中提取高维特征向量。采用等距映射方法对高维特征向量进行降维,剔除高维特征中冗余信息,强化分类器拟合能力;再用低维嵌入模型提取新增样本低维特征向量,用于概率神经网络分类器分类,检测是否存在疵点;最后用2种不同纹理的织物进行检测实验。结果表明,本文方法能有效提高疵点的检测精度。     

棉花噪声图像的检测与滤波

针对当前图像噪声检测中存在的“虚噪声”以及中值滤波对图像边缘特征的影响,提出将图像饱和度通道像素中极大值或极小值的点列为可疑噪声点,在图像色调通道检测出噪声点与色相相近可疑噪声点,对明度通道色相相近的可疑噪声点进行再判别,筛选出噪声和有用信号。同时,对选取窗口内4个特定方向上的像素点灰度值进行排序,对排序后的各个中值进行加权计算,用计算结果替代窗口中心像素的灰度值。试验结果表明,该方法能够有效检测彩色图像饱和度通道表现出的“虚噪声”,在去除噪声的同时有效保护图像细节。与其他滤波方法相比,峰值信噪比(PSNR)平均提高了8.2%,归一化均方误差(NMSE)至少降低了0.004,在滤波性能与滤波速度上都具有优势。     

基于Gabor滤波器的织物疵点检测

从疵布结构纹理模型出发阐述Gabor滤波器疵点边缘增强原理。根据织物特征设计织物自适应Gabor滤波器,确定Gabor滤波器的中心频率。再利用设计好的Gabor滤波器对方向性特征畸变织物疵点进行增强,并通过阈值处理完成疵点边缘检测。实验证明,织物自适应Gabor滤波器对方向性特征畸变疵点具有良好的边缘增强效果,可以突出织物纹理的能量,抑制疵点纹理的能量,同时该算法的最高检测速度可以达到7m/min。     

应用最优Gabor滤波器的经编织物疵点检测

针对经编织物疵点自动检测问题,提出了一种新的基于最优Gabor滤波器的经编织物疵点检测方法。具体可分为学习阶段和检测阶段;在学习阶段,对于无疵点的经编织物图像构造可调制的二维Gabor滤波器,采用量子行为粒子群优化(QPSO)算法对Gabor滤波器的参数进行优化,得到与无疵点的织物图像纹理特征最匹配的Gabor滤波器参数;在检测阶段,由学习阶段得到的最佳参数构造Gabor滤波器,用该滤波器对待检测织物图像进行卷积处理,然后再对得到的卷积图像进行二值化处理,最终识别出待检测织物是否有疵点存在。结果表明,该方法的检测率可以达到96.67%,具有很好的稳定性和鲁棒性,适合应用于工业生产。     

精纺毛织物缝纫平整度客观评价方法

精纺毛织物缝纫是否平整将影响毛制服装的品质,为探索客观评价精纺毛织物缝纫平整度的方法,将 6 块含毛纯色机织物按照不同的抽褶量,制作成 24 块缝纫平整度不同的试样。采用不同的方法对各试样平整度进行主观评价,之后将缝纫图像经过Gabor 变换,提取了不同方向、不同频率的熵值,接下来根据熵值最大的原则进行滤波器的筛选,得到 6个最优滤波器滤波后的总熵值作为客观评价指标。结果表明：总熵值与专家成对比较计分之间呈较好的二次方多项式关系;总熵值既可预测成对比较的主观得分,也可估算专家主观评价的缝纫平整度等级,Gabor 变换可用于精纺毛织物缝纫平整度的评估,且具有客观、准确的优点。     

基于奇部Gabor滤波器的纱管余纱量检测

针对现有细络联设备中机械式纱管检测分拣装置存在的磨损部件和损伤管纱表面纱线问题,提出一种基于机器视觉的非接触式余纱量检测方法。将单帧图像中的若干纱管从背景中逐一定位分割,校正角度并提取包含有效前景点的感兴趣区域,利用经参数优化的奇部Gabor滤波器组强化管壁和纱线边缘,对滤波后图像进行连通域检查,分割出纱线区域。通过实验分析了感兴趣区域提取阈值对检测准确性的影响,并基于极大输出响应原则分析了滤波器参数设定规则。结果表明,波长与高斯分布标准差比值为4.808、高斯分布标准差与纱线直径比值为0.81、方向与纱线平行的奇部Gabor滤波器检测效果最为理想。     

基于改进的引导滤波的织物疵点检测算法

为解决织物疵点自动检测算法对不同种类疵点检测的鲁棒性问题以及算法的实时性问题,提出针对疵点图像的改进的引导滤波算法及其疵点检测算法。实验表明:引导滤波在保持边缘的同时速度最快,该改进算法使用高斯滤波后图像作为输入图像,原图像为引导图像,在保持细节的同时锐化并保持边缘,一张图片滤波时间为26.2 ms。该检测算法使用改进后引导滤波,再进行光照校正等处理得到疵点检出图片。实验表明,该检测算法疵点检出率为97.35%,检测时间为158.1 ms,保持检出率的同时达到实时性要求。     

高光谱图像技术检测苹果外部损伤

利用高光谱分选仪对苹果进行图像获取,基于光谱图像信息实现对苹果的外部损伤检测。由于光谱图像间的数据巨大,具有冗余性和相关性,通过主成分降维法提取640 nm波段下的图像作为特征信息进行外部损伤检测。光谱特征图像上光斑噪声的存在是造成损伤检测效果不佳的原因,分析光谱图像光斑的图像特征,利用二阶巴特沃斯高通滤波器抑除图像频域内的光斑信号,同时增强损伤区域的边缘图像信息。对比滤波前、后的特征图像损伤检测效果,滤波后的图像数据更能真实表现出样本自身的数据特点,结果表明:经过二阶巴特沃斯高通滤波器滤波后的苹果损伤检测效果明显,正确率达到95%。     

基于改进Itti显著模型的织物疵点实时检测

为克服人工疵点检测存在精度差、效率低、易疲劳等问题,研发了基于改进Itti显著模型的织物疵点实时检测系统。首先设计了专用的织物传动和退绕系统,实现对布卷的精确传递,采用不同光源和多台工业相机拍摄实现织物的实时采集;然后通过基于改进的Itti显著性模型对图像进行快速检测,利用下采样构建图像金字塔,并对金字塔图像进行中央周边差操作,获得织物亮度特征;接着对各尺度金字塔图像进行不同方向Gabor滤波边缘检测获得织物方向特征,归一化亮度与方向特征获得织物疵点显著图;最后通过自定义阈值对显著图进行分割。实验结果表明：本文系统能有效检测出白坯布、牛仔布含有的油污、断经、破洞、纬缩等常见织物疵点,疵点检测正检率为93%,实时检测速度最高达48 m/min,能满足实时检测需求。     

基于LEP多尺度滤波分解的图像增强算法

为了解决传统图像增强方法不能在多个尺度上处理图像细节的问题,采用一种基于局部边缘保持(Local Edge-Preserving,LEP)滤波器的图像多尺度分解方法对图像进行增强。利用LEP滤波器对图像进行多尺度分解,分解成一个基本层和两个细节层;根据分解后各层的特点和增强的要求,通过保留基本层,对细节层进行S形曲线增强,实现图像细节的增强;最终合成并恢复颜色,得到最终增强图像。采用主观评价和对比度增益、信息熵来评价图像增强效果。实验结果表明,该方法能够有效增强图像细节,提升对比度,避免光晕现象,所得增强图像具有良好的视觉效果。     

一种改进的植物叶片病斑区域边缘提取技术

针对传统Canny算子边缘检测时容易丢失边缘细节的缺陷,提出了一种改进的植物叶片病斑区域边缘提取技术。运用最大类间方差法对病害图像进行二值化,添加对两个斜方向上梯度信息的提取,更加完整地保存了梯度信息,从而得到更完整的边缘图像。实验结果表明,本文方法能够有效地滤除图像中的噪声,检测到细节梯度,去除伪边缘和噪声边缘,得到更加精确的病斑区域边缘。     

提高边缘细节清晰度的图像融合改进算法

为解决图像融合过程中边缘信息以及细节内容易于丢失的问题,提出图像融合的改进算法。对源图像进行小波变换分解,将分解后的高低频系数用矩阵存储。对于低频子带的系数,采用形态学边缘检测的方法,提取出边缘轮廓系数,后运用加权平均法对其进行融合得到用于重构的低频系数。对于各高频子带的系数,先采用区域能量法构造出判断矩阵,经多数筛选法和形态学处理后得到二值融合决策图,并根据此决策图选取出用于重构的高频系数。最后,进行图像重构得到融合图像。实验结果表明,该算法增强了图像边缘细节的清晰度,其图像融合效果在相同融合条件下比其它算法更好,熵、标准差和平均梯度等图像融合的评价指标提高了0.5%～5%,可以更有效地应用于医学或多聚焦图像的融合。