交叉毛羽的凹点匹配分割算法

针对纺织行业纱线检测中对于毛羽重叠交叉问题涉及较少,难以准确检测的问题,提出一种基于凹点匹配的方法实现重叠交叉毛羽的分割。首先对纱线图像进行灰度化处理,然后采用形态学方法重建纱线图像,其次利用基于水平集的测地活动轮廓模型(GAC模型)检测纱线毛羽图像的边缘,对边界轮廓进行角点检测,通过设置夹角阈值来寻找纱线毛羽图像轮廓曲线角点中的凹点。最后通过重叠交叉毛羽区域产生的凹点进行匹配构造分割线,对重叠交叉毛羽进行分割。结果表明:该算法对于重叠交叉毛羽的2根分割准确率可达96.8%,对于3～5根重叠交叉毛羽分割准确率可达73.4%。     

基于多边形近似的重叠蛋白质点分割方法研究

二维凝胶图像电泳过程中可能出现蛋白质点重叠和堆聚的现象,文章利用图像处理与分析技术设计了一种有效重叠蛋白质点分离的算法。利用多边形近似方法,将检测到的蛋白质点边缘转化成数字边界,对该数字边界用多边形进行有效近似,计算近似多边形顶点对应的内角,通过阈值的设定,得到边界上的凹点,对凹点进行匹配连线,从而实现对重叠蛋白质点的有效分割。     

基于机器视觉的散装粮随机扦样方法研究

针对粮食收购过程中扦样设区选点不科学、不合理导致的扦取样品代表性不足和存在人为舞弊风险的问题,提出一种结合双目视觉与图像分割技术的散装粮随机扦样方法。首先使用双目相机获取装粮区域图像信息并校正,利用Unet网络模型实现校正后左图像目标分割,再使用Opencv计算目标区域4个角点像素坐标,根据扦样规则将目标区域划分为多个扦样区域并随机生成扦样点,最后针对BM匹配算法生成视差图效果较差的问题,采用SGBM(Semi-Global Matching)半全局立体匹配算法对校正后左右图像立体匹配,根据匹配结果完成扦样点三维空间定位。实验结果表明,所述方法针对装粮区域有较好的识别效果,并且实现了在3 m范围内扦样点的随机选取与定位,对粮食扦样环节的自动化和智能化发展提供了技术支撑。     

胶印质量自动检测中图像配准的研究

胶印质量自动检测系统中,图像的配准是整个系统的关键技术。本实验提出使用SUSAN角点定位和模板匹配相结合的方法解决胶印质量自动检测中图像配准的问题。该方法首先利用SUSAN算法检测到图像角点,然后对图像进行平移和旋转,再在特定图像区域内,利用模板匹配的方法,进行精确配准。这种新方法与传统算法相比,能在提高定位精度的前提下,有效节省运算时间。实验结果表明新算法是有效且可行的。     

基于改进MRF的凝胶图像分割算法

为了得到更好的凝胶图像分割效果,文章提出了一种基于马尔科夫随机场(MRF)模型分割算法的改进算法,首先用非局部均值(NL-means)对图像进行滤波,然后通过模糊c均值算法(FCM)实现了图像的初始聚类分割,进一步通过二阶逻辑模型(MLL)模糊聚类作为先验知识获取其先验概率并因此得到后验概率,在此过程中引入了灰度点密度权值来实现聚类和均值方差的更新,最终实现凝胶图像的最优化分割。     

基于DSP的视频快速特征匹配跟踪算法研究

以TMS320C6418芯片(DSP)为主体,设计了一套视频模板匹配跟踪设备,实现一种稳定快速跟踪复杂背景下目标的算法。算法通过边缘增强、统计分割等去除背景影响,分割出具有特征目标图像信息,再进行模板图像快速特征匹配。本文提出的算法对传统的匹配算法进行了改进,不仅提升了匹配算法的运算速度,还增强了目标跟踪稳定性。     

双目立体视觉系统的立体匹配

双目立体视觉是计算机视觉的一个分支,立体匹配是立体视觉中的关键问题,是三维重建中的核心问题。以双目立体视觉原理为基础,采用一种改进的SUSAN角点特征检测方法,结合基于灰度相关及极线几何约束的双向匹配及优化,实现了一个鲁棒的匹配算法的应用。通过对真实图像的实验表明,该立体匹配算法效果良好,具有较好的实用性。     

粘连颗粒图像的分割方法综述

粘连图像分割作为颗粒计数、分类、定级评价、识别的基础环节,其实际应用价值不言而喻.本文简要介绍现有的传统分割算法和基于深度学习的分割算法种类,根据粘连颗粒尺寸小、随机散落、数量众多、形状不规则及边缘特征模糊等特点,结合粘连分割算法在各种领域中的应用现状,重点阐述基于分水岭、凹点、U-Net语义分割的方法,介绍关键技术,...     

基于边链-中心判据的棋盘角点检测方法

针对摄像机标定中广泛使用的棋盘图像,提出了一种新的角点检测算法,并利用棋盘角点的数学特征,设计了边链-中心二重判定条件.该算法易于实现、计算量小,对旋转变换、亮度变换、变形等具有较好的鲁棒性,并对边缘模糊有良好的适应性,可在线连续提取多幅图像的角点,适用于摄像机在线自动标定.     

基于边链-中心判据的棋盘角点检测方法

针对摄像机标定中广泛使用的棋盘图像,提出了一种新的角点检测算法,并利用棋盘角点的数学特征,设计了边链-中心二重判定条件.该算法易于实现、计算量小,对旋转变换、亮度变换、变形等具有较好的鲁棒性,并对边缘模糊有良好的适应性,可在线连续提取多幅图像的角点,适用于摄像机在线自动标定.     

原棉疵点及杂质的检测方法研究与应用

采用数字图像处理技术对原棉疵点杂质进行检测与识别。利用自适应阈值分割的方法对目标图像进行分割及轮廓提取,并根据目标图像的相关特征值,提出了离心率与面积周长之比相结合的人工智能分析方法对原棉疵点杂质进行识别分类,取得了很好的效果。     

基于光电技术的棉纤维杂质快速测定

针对棉纤维杂质人工检测耗时长、劳动强度大等问题,提出一种基于光电技术的棉纤维杂质机器视觉测定方法。首先通过改变平滑模板窗口尺寸对棉纤维图像自适应中值滤波优化,然后采用Otsu算法自适应选取分割阈值,并遍历整个图像,进行边缘断裂端点的连接、边缘生长与连接,搭建光电检测系统原型,实现了棉纤维杂质的快速测定。实验结果表明:该方法能够有效去除图像噪声,避免伪边缘的产生,检测到的杂质边缘清晰完整。光电检测耗时较GB/T 6499—2012《原棉含杂率试验方法》降低95.1%,结果间误差为2.35%,杂质粒数与杂质面积比参数结果误差均在2.1%以内,能够有效用于棉纤维杂质的快速准确测定。     

Research on mechanical properties of fibers at asymmetric ring spinning triangle using Finite Element Method

In the ring spinning process of staple yarn, spinning triangle is a critical zone, whose geometry influences the mechanical properties of fiber in the spinning triangle directly. In the practical spinning, especially in some modified ring spinning systems, the spinning triangle is often asymmetric, in which the horizontal deviation of the twisting point is existed and lead to an obvious angle between the yarn spinning tension and the vertical axis perpendicular to the nip line. Therefore, in this paper, the fiber tension distributions in this kind of asymmetric spinning triangle were studied using the finite element method. In the direct finite element model, the initial strain of fibers in the two sides of spinning triangle is asymmetric, and corresponding accidental fiber tensions would be produced, which makes the fiber move to the middle of the spinning triangle and lead to inaccurate results. Therefore, in the paper, one new finite element model of the asymmetric spinning triangle with left (right) horizontal deviation was presented for calculating the fiber tension. In the model, an asymmetric spinning triangle with the same right (left) horizontal deviation was used to combine with the original asymmetric spinning triangle, and one axisymmetric quadrangle was built, and the symmetry axis is the central fiber. Then, the fiber tension and torque distributions in the spinning triangles of Ne40 (14.6 tex) and Ne60 (9.7 tex) cotton spun yarn were numerical simulated with different horizontal deviations and twist factors. Furthermore, the accuracy of the proposed finite element model in calculating the fiber tensions was validated by comparing it with the theoretical model built by the energy approach.     

基于相似性定位和超像素分割的织物疵点检测

为解决周期性纹理织物图像的疵点检测及其轮廓精确分割问题,提出一种基于相似性定位和超像素分割的织物疵点检测方法。将待检测图像进行中值滤波和对数增强,并利用FT算法估计增强图像的显著图实现待检测图像的预处理;将基于归一化局部均值差分的灰度相似性检测参量和结构相似性检测参量结合,构建可测量更多类型周期性纹理织物图像的相似性度量函数,通过阈值化增强图像分块的相似性测量值实现疵点在显著图中的粗定位;最后对显著图粗定位图像分块进行超像素细分割及其二值化处理,并借助连通域分析剔除孤立点,获得完整的疵点轮廓。结果表明,本方法与常规3种方法相比,对周期性纹理织物图像的疵点检测准确率更高,且提取出的疵点轮廓更精确。     

谷类作物粘连颗粒图像分割方法研究进展

目前,在小麦、玉米等粮食作物的质量评价中,基于计算机视觉方法的应用研究非常广泛。在图像采集时,由于粮食颗粒形状小、数量多,分布随机、具有类圆性等特点,在质检时常出现粘连情况,将大大影响对粮食作物的准确计数、分类、定级、定价等。本文首先介绍基于阈值、边缘、区域等传统分割方法,阐明分水岭、凹点分割方法更加适用于粘连颗粒分割,明确各自优缺点;然后介绍基于深度学习分割算法的发展时间线,重点阐述基于U-Net、Mask R-CNN方法在处理粘连颗粒图像分割中的应用,统计相应的公开数据集,以找出更适合粘连籽粒分割的方法。最后对粘连颗粒图像分割方法所面临的挑战进行总结,并做出展望,为计算机视觉在相关领域的应用奠定坚实理论基础。     

赛络纺加捻三角区内纤维的受力分析

根据纤维的力学性能和赛络纺加捻三角区的特点,采用有限元分析方法对赛络纺加捻三角区内纤维受力分布进行数值模拟。对锭速、钢丝圈和捻系数对加捻三角区内纤维受力分布的影响进行具体分析。结果表明：锭速对成纱三角区内纤维受力分布影响效果最为明显,三角区内纤维的受力和纺纱张力的方向有密切关系,细纱捻系数对加捻三角区的结构有着重要影响。有限元分析结果结合纺纱理论可以实现纺纱工艺参数的优化,对纺纱实践具有一定的参考价值。     

基于边界跟踪测量麻纤维横截面参数的算法研究与应用

针对在同一纤维横截面图像中难以同时测量多根纤维参数的问题,提出了一种基于边界跟踪测量麻纤维横截面参数的算法。首先利用边缘提取算法提取麻纤维的边缘,通过修改边缘提取算法的敏感度阈值获取合适的边缘检测图像,然后采用边界跟踪算法对边缘检测图像中的麻纤维进行识别和标记,利用循环标记出图像中所有的麻纤维并保存边界跟踪的路径点坐标,最后利用算法测量麻纤维的周长、面积和圆度。实验结果表明:该方法能够同时测量多根麻纤维的横截面参数;根据用于测试的标准圆的数据可知,本算法测得的麻纤维的周长偏差大约为3%,面积偏差大约为4%,数据误差较小。     

融合自适应局部特征与改进模糊C均值的服饰分割算法

提取人体着装图像的服饰区域时,易受光照、阴影遮盖与人体姿态、肤色等问题的影响,提出一种融合自适应局部特征与改进模糊C均值(fuzzy C-means,FCM)的服饰图像分割算法。首先,通过改进区域生长法消除阴影实现前景提取;其次,采用MDSMGR-WT超像素分割获取图像局部特征,将自适应局部信息融入双加权FCM目标方程中,实现二次精细化分割;最后,经肤色检测提取目标服饰区域。实验结果表明,该方法的准确率可达78.93%,召回率90.12%,查准率89.93%。该方法能够减少内部区域噪声,提高服饰图像的分割精度。