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.     

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。     

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。     

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.     

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.     

基于二维小波变换和BP神经网络的织物疵点检测方法

采用了二维离散小波变换对织物图像进行处理,根据小波变换后高、低频分量的特点,提取分解子图像的特征值,送入BP神经网络进行识别,从而实现织物疵点的检测.     

基于二维小波变换和BP神经网络的织物疵点检测方法

采用了二维离散小波变换对织物图像进行处理，根据小波变换后高、低频分量的特点，提取分解子图像的特征值，送入BP神经网络进行识别，从而实现织物疵点的检测。     

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TMS320C5509A的织物疵点检测技术研究

织物疵点检测是纺织品生产过程中进行质量控制的重要环节.织物疵点自动检测与分类问题也是计算机视觉领域的研究热点.本文在以TMS320C5509A DSP芯片为核心的开发平台上研究了prewitt算子、sobel算子及1种基于模板的检测算法在织物疵点检测中的应用.利用DSP集成开发环境CCS,分别对3种算法进行验证.通过对检测结果的对比分析,得出该研究在实现织物疵点自动检测系统方面具有一定的实用性及参考价值.     

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.     

基于机器视觉的织物疵点检测系统

针对目前织物疵点检测主要采用人工检测,检测精度、速度、检出率都较低等问题,研究了一种基于机器视觉的织物疵点检测系统．该系统采用模块化硬件设计．并为之设计了完整的系统软件．经实验验证,该系统具备理想的检测能力,能满足实时在线检测的要求,可以有效检测出生产线上的疵点．     

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.     

基于希尔伯特边际谱互相关分析的织物疵点检测

提出了一种基于希尔伯特黄变换和互相关分析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待检测图像进行等尺寸分割,得到子图像,其大小与模板尺寸保持一致;然后分别对模板图像和每个子图像做希尔伯特黄变换,得到希尔伯边际谱.最后,求取模板图像的边际谱和每个子图像边际谱的互相关,选取合适的互相关值作为疵点识别的依据.仿真试验表明,该方法对断经、断纬、缺经、粗经、错经、错纬、扣痕、破洞等疵点具有良好的检测效果.     

图像处理技术在纺织品检测中的应用

主要介绍了利用图像处理中的Hough变换,结合Sobel边缘细化来检测纱线参数、织物表面粗糙度、织物表面疵点,改变了目测识别时的效率低下,取得了良好的效果。     

图像处理技术在纺织品检测中的应用

主要介绍了利用图像处理中的Hough变换，结合Sobel边缘细化来检测纱线参数、织物表面粗糙度、织物表面疵点，改变了目测识别时的效率低下，取得了良好的效果。