基于机器视觉检测算法的织物疵点检测系统研究

为实现织物疵点的自动检测,设计了一种织物疵点检测系统。使用Matrox图像采集卡、Basler CCD相机及运动平台等构建了织物疵点检测系统的硬件部分。采用基于VC++2010并调用MIL9.0库函数的软件平台,结合改进的阈值分割算法实现了对织物图像的采集、预处理和疵点检测的软件设计。实验结果表明,该检测系统可较好地识别织物疵点。     

Canny算子在织物疵点检测中的应用

在分析斜纹织物纹理结构规律性的基础上,运用Canny算子对织物疵点图像进行了边缘检测,获得了织物疵点二值图像,再由灰度统计的方法生成投影图,获取织物图像的特征波形,并通过阈值过滤,将疵点定位,从而正确检测织物疵点.在Visual C 6.0环境下编程并调用Matlab6.5图像处理函数实现了本算法.     

基于纹理差异视觉显著性的织物疵点检测算法

由于织物图像纹理多样化及疵点类别较多,为了更有效地检测织物疵点,结合织物图像特性及借鉴人类视觉感知机理,提出一种基于纹理差异视觉显著性模型的织物疵点检测算法。该算法首先对图像进行分块,计算各个图像块LBP（local binary pattern）纹理特征,与图像块平均纹理特征的相似度比较,进行显著度计算,从而有效突出了疵点区域。最后利用改进阈值分割算法,实现对疵点区域的定位。通过与已有视觉显著性模型进行比较,得出该算法更能有效地突出疵点区域;同时,分割结果与已有织物疵点检测算法相比发现,该算法具有更强的疵点检测及定位能力。     

织物疵点的图像信息检测方法

针对织物破洞、断经、跳花和浆斑这4种类型疵点的特征,提出一种基于图像信息的检测方法.根据织物疵点的几何特性选择结构元素,应用形态学运算突出疵点形状信息,应用灰度积分投影法确定织物疵点的位置信息,然后分析纹理特征,提取织物疵点面积、周长等特征参数.结果表明:本方法克服了经典边缘检测算子只能给出疵点轮廓的弊端,利用图像信息检测进行计算机辅助验布,对于纺织信息化具有一定的理论意义和实用价值.     

基于OpenCV的织物疵点自动检测技术研究

为保证织物疵点自动检测技术在尽可能低的误检和漏检率条件下,达到尽可能高的检测速度,本文基于开放计算机视觉(OpenCV),给出了判断疵点存在性和利用小波变换提取疵点纹理特征的方法。在Visual C++6.0环境下,开发了单色织物疵点检测和特征值提取程序,并对刮线、色污、长残、脏污、断纱、白杠、反丝、飞花、锈斑和掉扣等疵点样片进行检测实验。实验结果表明,经过小波变换处理后的子图,对于线状疵点织物,其特征值在疵点走向方向上(经向子图或者纬向子图)的变化明显,而对于面状疵点,其特征值在经、纬方向上均变化明显。该研究对实际检测系统的设计开发具有应用价值。     

基于小波变换的织物疵点图像特征提取

为实现织物疵点自动检测,本文应用Mallat算法对织物图像进行小波分解,并根据织物组织结构特点,对纬向子图和经向子图分别提取能量、熵、极差、方差和逆差矩5个特征值,同时以平纹坯布为实验对象,对白杠、断纬、破洞、反丝、杂纤维、掉扣、飞花、色污等多种常见疵点进行特征值提取实验,实验结果表明,织物疵点使织物图像在经纬方向产生不规则纹理,通过提取特征值可得出织物疵点图像在不同特征值曲线处均有明显变化。该研究对判定疵点的存在、分析疵点的走向与"形状"具有参考价值。     

织物疵点的自动检测方法

概述了国外近年来织物疵点自动检测方法的新进展，从疵点检测的准确性、快速性以及对疵点种类的适用性三方面分析了各种检测方法的特点及存在的不足。     

几种图像消噪处理算法在织物疵点检测中的应用

利用图像处理技术对织物疵点检测的过程中不可避免受到各种噪声源的干扰.采用sym 4小波默认阈值、coif 2小波软阈值和bior.3.7小波软阈值消噪算法对织物疵点图像进行消噪处理,并比较了原始含噪图像增亮处理前后的消噪效果.研究表明:coif 2小波软阈值消噪算法适合对织物小疵点图像进行消噪处理,原始图像经过增加亮度后处理效果更佳.     

织物疵点的自动检测方法

概述了国外近年来织物疵点自动检测方法的新进展，从疲点检测的产准确、性速性以及对疵点种类的适用性三方面分析了各种检测方法的特点及存在的不足 。     

小波分析用于织物疵点检测的图像增强研究

对采用小波分析去除噪声来进行疵点图像的增强以用于织物疵点自动检测进行了探索。借助MATLAB小波分析工具箱,研究了小波分析在对疵点图像进行去噪等图像增强方面的实际应用,并对全局阈值降噪和分层阈值降噪两种方法做了比较。实验结果表明,小波变换可以较容易地分离出噪声或其他不需要的信息;小波分析用于疵点识别的图像增强,能有效地消除噪声,去除织物纹理的影响,分层阈值法在此应用上更优于全局阈值法。     

基于优化Gabor滤波器的织物疵点检测算法

提出了一种基于优化Gabor滤波器的织物疵点检测算法.首先介绍了Gabor滤波器的滤波原理,然后提出了Gabor滤波器优化算法,该算法针对一幅标准织物图像,通过计算Gabor滤波器与标准织物图像卷积结果的Fisher Cost函数最小值,得到一组优化Gabor滤波器参数.使用具有这些参数的Gabor滤波器分别对标准织物图像和样本织物图像进行滤波处理,将滤波结果进行比较和融合,得到检测结果.实验证明:该算法能获得良好的检测效果.     

基于局部熵的织物疵点检测

在局部熵的基础上提出了一种织物疵点的检测与识别方法.在进行检测时,将织物图像分成大小相同的局部窗口,选取局部熵最小的窗口为待研究的区域,分割出疵点图像并用数学形态学中的开运算滤掉噪声,最后提取形态特征参数,识别疵点类型.研究表明此方法能避免对整幅图像进行复杂运算,具有识别正确率高,抗噪声能力强等优点.     

基于全局和局部显著性的织物疵点检测

针对织物疵点检测过程中疵点种类繁多、大小差异和受织物本身纹理干扰等特点,提出了一种全局显著性和局部显著性相结合的织物疵点检测方法.首先对图像进行稀疏表示,然后计算系数矩阵的增量编码长度,根据增量编码长度量得到局部显著图,再利用频率调谐法计算全局显著图,接着将这两类显著图相融合得到综合显著图,最后,通过自适应阈值分割法求得二值化图像.实验证明:该算法的检测效率高,并具有较强的抗干扰能力.     

数学形态学在织物疵点检测中的应用

针对织物常见的破洞、断经和缺纬3类疵点,提出了一种基于数学形态学的疵点检测方法.利用自相关函数和FFT找出织物经纬结构的重复单元,以其为依据,用形态学中腐蚀背景和膨胀目标的方法检测图像中的疵点信息,在传统的形态学处理法之后,采用开运算进一步地消除噪声,突出疵点,在此基础上,利用MATLAB语言开发了系统原型,通过实验验证了形态学检测疵点的可行性.     

基于光纤锥成像的织物疵点检测

给出了一种基于光纤锥的织物疵点高分辨率检测方法,将光纤锥小端与电荷耦合器件(CCD)敏感面直接耦合,大端与织物接触成像,可获得织物微米级的高分辨率图像,给出了系统空间分辨率计算公式,具有结构简单、分辨率高、成本低等特点.此外,提出了一种基于快速傅立叶变换的织物疵点图像分割算法,通过计算子图像的傅立叶幅值谱方差描述疵点特征,用双线性插值恢复原始图像大小,经阈值化处理可获得疵点分割结果,实例表明了该算法的有效性.     

基于二次样条小波变换极大模的织物疵点检测方法

提出了一种基于二次样条小波变换极大模的织物疵点检测方法:首先由二次样条小波对织物图像进行分解,利用分解后的纬向和经向2个子图像建立正常织物图像和待检测织物图像的极大模边缘图像,并求得它们的差分图像;然后由差分图像提取特征参数检测织物疵点以及识别疵点的位置.实验表明:这种方法具有检测准确率高,稳定性好等优点.     

基于局部哈达玛变换的织物疵点检测

提出一种局部哈达玛变换和互相关相结合的织物检测疵点方法.首先,选取正常织物作为模板并对模板和待检测织物图像进行直方图均衡化增强.在此基础上,对待检测织物图像进行等尺寸分割,分割得到的子图像大小与选定的模板相同.然后,分别对织物模板和待检测子图像做二维哈达玛变换.最后,分别计算模板图像与待检测子图像哈达玛变换的互相关,并选取合适的阈值作为疵点判别的依据.仿真试验表明,本方法对断经、跳花、勾丝、缺经等常见织物疵点具有良好的检测效果.     

基于Log-Gabor滤波器组的织物疵点检测算法

利用Log-Gabor滤波器组实现了对织物图像的疵点检测.首先给出了构建Log-Gabor滤波器组的方法,然后利用滤波器组对织物图像进行滤波处理,并对滤波后的图像进行分割和融合,最后将疵点从织物图像的背景纹理中分割出来.实验结果证明该方法能够有效地检测出织物疵点.     

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.     

基于联想竞争神经网络的静态织物疵点识别研究

在竞争神经网络的模型基础上,提出了一种新的联想竞争神经网络模型,并利用新的网络模型对织物疵点进行检测.实验结果表明,基于联想记忆的竞争神经网络模型算法, 具有较快的收敛速度并有较好的识别效果.