基于Mean Shift 滤波的织物疵点检测方法

为了实现自动织物疵点检测,提出了一种基于Mean Shift滤波的织物疵点检测方法。该算法首先求取织物样本的熵图像,反映原始图像信息的变化程度,然后对熵图像进行Mean Shift平滑滤波,达到去除噪声和增强织物疵点部分的目的,从而利于疵点的分割,最后对滤波后的图像进行阈值分割,得到二值化检测结果。对6种纹理织物进行处理,共检测出18种疵点,92.5%的疵点可以被成功检测并定位。另外,实验中还将Mean Shift滤波与Gabor滤波的检测结果进行了比较,结果表明Mean Shift滤波对某些类型的疵点的检测效果更为理想。     

基于主结构提取与签名算法的织物缺陷检测

为解决目前基于图像处理的织物缺陷检测算法中,因织物组织纹理结构复杂、花型繁多造成的检测效果差的问题,提出一种基于主结构提取与图像签名算法的纹理织物缺陷检测方法。首先,使用改进的总变差模型去除织物纹理提取主结构;其次,利用高斯变换对待检测图像进行多尺度分解,构建高斯金字塔;然后根据视觉注意力机制提取颜色特征,通过图像签名算法对疵点进行显著性检测,最后利用自适应阈值的方法分割得到疵点区域。实验结果表明,算法可有效地提取各种织物的主结构,实现不同纹理织物图像的缺陷检测。     

基于FFT的间谐波优化检测算法研究

由于间谐波成分与电网基频不同步,利用快速傅里叶变换进行检测时往往会出现频谱泄漏和栅栏效应,而加窗插值算法在无噪声干扰时能修正误差、提高检测精度。针对此现状给出一种组合小波阈值去噪和快速傅里叶变换的优化检测算法方案。尤其对小波阈值去噪进行改进,提高其算法适应性并实现更精确的信噪分离。通过仿真对比,得到实现间谐波幅频信息准确测量的优化方案。     

一种基于中值滤波的局部阈值分割算法

在实际的工业现场,光照环境无法非常均匀,在部分位置可能会出现目标区域与背景无法分割,这就给后期的BLOB分析带来了非常大的困难.针对这种光照不均匀、背景复杂的情况,提出了这种基于中值滤波的局部阈值分割算法.在得到原始图像之后,使用中值滤波得到一个大于原始图像宽度两倍的掩膜,再用原始图像与掩膜图像做差得到一个区域,最后选择一个合适的阈值对这个区域进行分水岭阈值分割,就可以得到期望的区域,为之后的连通性分析打下基础.通过在halcon中的实验结果可以说明,提出的算法优于全局Otsu分割算法和分水岭分割算法,更加适用于缺陷检测,字符识别等工业应用的现场.     

基于灰狼自适应阈值分割和改进模糊增强的红外图像NSCT增强算法

研究低成本和便携的红外成像技术是最近几年带电检测的发展趋势,为减少红外检测环境、红外传感器以及其他因素的影响,解决红外检测中红外图像含噪声干扰、模糊和对比度低的问题,文章设计了一种基于灰狼自适应阈值分割和改进模糊增强的红外图像NSCT增强算法。对原始红外图像进行NSCT域变换;变换后含有噪声的高频分量采用VT去噪后,接着采用改进模糊增强处理;对变换后含有电力设备主体的低频分量进行灰狼自适应阈值分割为背景和前景部分,随后分别进行增强处理;最后将处理后的各分量进行逆NSCT变换。经对比应用,验证了该算法应用在变电站电力设备红外检测上的优越性：文章算法与其他算法相比在边缘强度、信息熵、对比度、标准差、峰值信噪比五类评价指标上的涨幅至少为3.94%、 2.16%、 9.86%、 7.45%、 21.86%。文章算法处理后的红外图像符合人眼视觉效果,更易于人眼识别故障,有利于电力设备热故障的检测与故障定位。     

基于神经网络的医药微弱异物视觉检测机器人

提出了一种基于神经网络的医药大输液中可见异物视觉检测方案。首选设计了视觉检测机器人的异物检测方案和光机电一体化系统,采用高速CCD传感器采集到图像序列;然后采用均值滤波方法对图像序列滤波,消除随机噪声;再通过快速傅里叶变换(FFT)相位相关算法实现图像序列的配准,弥补机械抖动引入的像素偏移;最后,通过BP神经网络完成微弱异物与瓶体背景的分割,并统计异物的大小与数量,完成医药输液中可见异物的高速高精度检测。实验结果表明,设计的方案异物检测精度达50μm,异物正确率达99.7%,满足高速医药生产线在线实时检测需求。     

基于改进FFT-小波变换的XLPE电力电缆局放降噪方法

局部放电信号检测对于电力电缆绝缘状态评估具有重要的意义,但信号极其微弱,容易湮没在强烈的外部干扰之中。针对传统小波变换存在去噪效果差、信噪比不高的问题,提出一种快速傅里叶变换与小波变换结合的去噪算法。首先采用改进模糊C均值聚类阈值法对快速傅里叶变换去噪算法进行改进。改进模糊C均值聚类算法有着更优的初始聚类中心,聚类结果更容易收敛,使快速傅立叶变换去噪算法中干扰峰定位更加准确。然后利用改进的快速傅立叶变换去噪算法对周期性窄带噪声进行针对性处理,再结合小波变换方法,去除白噪声为主的剩余噪声,从而实现对局部放电信号的综合去噪。仿真结果表明,基于改进快速傅里叶变换-小波变换的去噪算法信噪比高,波形畸变小,去噪效果优于小波算法。     

一种用于图像分割的改进FCM聚类算法

介绍了一种先采用离散K-L变换对采得的图像滤波,然后采用二维向量小波对图像进行特征提取,最后利用改进的FCM结合的图像分割算法对图像进行分割的算法。文章首先阐述了对图像进行K-L变换的原理,再利用二维向量小波变换对其进行分析得出图像特征,最后运用FCM算法的思想,对其进行改进方案,最后得出分割后的图像。实验结果证明,该方法显著提高了分割速度和精度,具有一定的使用价值。     

小波滤波在罗氏线圈互感器中的应用研究

随着智能电网技术的发展,以电子式互感器和光电式电压/电流互感器为代表的非常规互感器得到了广泛的研究。简要分析了小波变换时频局部化能力及其相对于傅里叶变换的优点,介绍了罗氏线圈互感器的优点和缺点,针对罗氏线圈互感器输出数据存在的高斯白噪声干扰信号,基于小波变换的基本原理,介绍了小波阈值滤波算法中的常用阈值函数,并使用Matlab仿真软件研究了小波阈值滤波算法的特性。     

基于方向的多阈值自适应中值滤波改进算法

为了在有效滤除椒盐噪声的同时更好地保持图像细节,提出一种基于滤波值二次修正的图像椒盐噪声滤波算法。该算法首先利用基于阈值的自适应中值滤波改进算法实现对噪声点的检测与初级滤波,然后对滤波值采用基于方向信息的多阈值自适应滤波算法,实现对初级滤波值的二次修正。算法结合了基于阈值的自适应中值改进算法良好地噪声检测性能及基于方向信息的多阈值自适应滤波算法的细节保护能力。实验结果表明,在客观评价指标和主观视觉效果方面,新算法均取得了优于传统自适应中值滤波算法及其改进算法的效果。     

结构化矩阵分解的网状织物缺陷检测方法

针对在网状织物缺陷检测过程中因纹理复杂造成误检问题,提出了一种结构化矩阵分解的网状织物缺陷检测方法。 首先,通过 Retinex 算法对图像进行增强,利用所提取的底层图像特征生成特征矩阵,并将其分解为含有织物图像背景信息 的低秩矩阵和含有缺陷信息的稀疏矩阵;其次,引入了高级先验矩阵和索引树两个部分,通过利用增强后图像进行获取,并 对两个部分进行特征融合,实现缺陷显著性增强。 通过计算稀疏矩阵的值,获得缺陷的显著性的大小;最后,通过最佳阈值 分割算法分割缺陷显著图,从而得到缺陷检测结果。 利用公开数据集 TILDA 和 BASLER 工业相机采集到的网状织物缺陷图 像验证了算法的性能。 研究表明,与其他算法相比,本文算法的识别准确率达到 94. 25%,召回率达到 92. 48%,分类准确率 达到 90. 12%。     

LBP与低秩分解的网状织物纹理缺陷检测方法

针对网状织物纹理复杂,缺陷检测难度大的问题,提出一种基于局部二值模式(LBP)与低秩稀疏矩阵分解的网状织物纹理缺陷检测方法.首先,采用等价旋转不变的局部二值模式算法提取网状织物纹理特征,获得纹理特征矩阵;其次,根据纹理特征矩阵构建低秩稀疏分解模型;最后,通过最佳阈值分割算法对网状织物低秩稀疏分解产生的显著图进行分割.实验结果表明,与K-奇异值分解(K-SVD)算法相比,该方法的平均准确率达到89.94%,平均召回率达到93.88%,分类总正确率达到92%以上。     

基于机器视觉的圆网印花机对花检测系统

针对圆网印花对花检测问题,提出利用机器视觉的方法来检测印染过程中对花误差的大小.首先介绍了印染织物图像的特点,并结合“错花”图像的特点,采用JSEG算法对织物图像进行分割;选取各颜色区域的边缘轮廓作为匹配的特征信息,通过两次基于Fourier-mellin变换的曲线匹配,完成误差的检测.最后给出了“错花”误差的计算结果...     

窗口加权协方差矩阵特征值检测织物瑕疵

针对织物瑕疵严重影响布匹质量的问题,提出织物窗口加权协方差特征值自动检测织物瑕疵的方法。首先,选择织物窗口,以每个织物灰度值为中心的窗口遍历整幅织物图像,计算织物遍历窗口的加权协方差矩阵,从而得出织物窗口加权协方差矩阵的特征值。织物瑕疵对应的加权协方差矩阵的特征值小于织物无瑕疵区域对应的特征值。织物无瑕疵织物窗口加权协方差特征值的均值作为织物瑕疵分割阈值。在检测阶段,根据分割阈值对待测织物的窗口加权协方差特征值进行判别,从而达到准确检测织物瑕疵的目的。实验结果表明,织物窗口尺寸范围在(11,31)时,织物的窗口加权协方差矩阵特征值可以准确快速检测织物瑕疵。避免了PCA多维特征值分类的过程,提高了检测织物瑕疵的效率,满足了织物工业在线检测需求。     

Vision system for on-loom fabric inspection

This paper describes a vision-based fabric inspection system that accomplishes on-loom inspection of the fabric under construction with 100% coverage. The inspection system, which offers a scalable open architecture, can be manufactured at relatively low cost using off-the-shelf components. While synchronized to the motion of the loom, the developed system first acquires very high-quality vibration-free images of the fabric using either front or backlighting. Then, the acquired images are subjected to a novel defect segmentation algorithm, which is based on the concepts of wavelet transform, image fusion and the correlation dimension. The essence of this segmentation algorithm is the localization of those events (i.e., defects) in the input images that disrupt the global homogeneity of the background texture. The efficacy of this algorithm, as well as the overall inspection system, has been tested thoroughly under realistic conditions. The system was used to acquire and to analyze more than 3700 images of fabrics that were constructed with two different types of yarn. In each case, the performance of the system was evaluated as an operator introduced defects from 26 categories into the weaving process. The overall detection rate of the presented approach was found to be 89% with a localization accuracy of 0.2 in (i.e., the minimum defect size) and a false alarm rate of 2.5%     

基于小波模极大值的织物疵点检测

织物疵点部分相当于图像中灰度突变的奇异信号,对比传统的边缘检测方法,小波变换在检测图像微小细节边缘时具有明显的优势,能很好地刻划突变点的奇异性。首先利用小波的多尺度特性求得织物图像局部极大值点,有效提取出织物疵点区域的边缘,然后结合形状特征求出织物疵点区域的形状特征,对常见重纬、重经、缺经、缺纬、油污、破洞织物疵点图像进行仿真实验,结果表明此方法既保留了织物疵点边缘信息,又剔除了虚假边缘,最终有效地提取出了疵点区域的形状特征。     

基于背景估计的焊缝缺陷检测

针对射线检测图像中缺陷识别率低的问题,利用背景估计和差分运算来增强缺陷、抑制复杂背景和噪声。该方法首先利用Otsu分割获得的掩模图像提取焊缝区域;其次通过改进的中值滤波对焊缝区域进行背景估计,反背景差分获得含有缺陷的差分图像;随后根据缺陷与误检边缘处梯度方向的差异性,利用多方向多级梯度有效解决背景残余问题;最后通过自适应阈值分割将含有缺陷的差分图像二值化。实验结果表明,该方法具有较高的缺陷识别率,召回率和准确率分别达91.90%和 90.95%,在实际中具有较好的应用价值。     

融合Hough直线检测和Grab-cut的风机叶片自适应分割方法

完整的边缘信息对风力发电机叶片的边缘缺陷检测至关重要,但由于户外采集的风机叶片图像背景复杂多样,现有图像分割算法的分割精度不足,无法保证边缘缺陷的完整性。因此,提出一种基于图像边缘特征与颜色信息的自适应图像分割方法实现风机叶片边缘检测。首先,使用Hough直线检测初步定位叶片直线边缘;然后,在目标区域应用基于Otus阈值分割和形态学运算的Grab-cut算法,实现叶片图像的自适应分割。采用无人机采集多个场景的图像作为测试样本,对分割方法与其他方法进行定性和定量对比分析。结果表明,该方法能自适应且准确地实现风机叶片图像分割,并保留边缘缺陷的完整性,其边缘覆盖率(0.971 7)和边界位移误差(3.040 3)指标均优于其他方法,对风机叶片的边缘缺陷检测具有重大潜在应用价值。     

基于改进SAE网络的织物疵点检测算法

针对传统织物缺陷检测手工提取特征困难,疵点样本有限的问题,结合卷积自编码器(CAE),提出一种基于Fisher准则的栈式去噪自编码器算法(FSDAE)。首先从原始图像中截取若干小块图像,采用稀疏自编码器(SAE)训练,得到小块图像的稀疏性特征;其次利用该特征,初始化CAE网络参数,提取原始图像的低维特征;最后将该特征数据送入FSDAE网络进行疵点检测分类。分别对3类织物进行测试,实验结果表明,算法能够有效地提取织物图像的分类特征,且通过加入Fisher准则,提高了织物疵点的检测率。