磁致伸缩触觉传感器与织物表面纹理检测

为了实现智能机器人操作的精细化,分析传感器与生物组织间的接触刺激关系,建立了振动信号作用下的磁致伸缩触觉传感器输出模型并进行输出特性分析。结果表明:磁致伸缩触觉传感器对频率为1~4 Hz的动态力的测量具有很好的测量精度。将设计的磁致伸缩触觉传感器检测系统检测织物纹理,提取输出信号的功率谱密度,应用反向传播(BP)神经网络算法进行分类,分类结果的平均准确率达93%。结果表明:研制的磁致伸缩触觉传感器检测系统能够有效地应用于织物表面纹理的分类识别。

基准线约束的建筑物立面重复纹理检测

重复纹理是立面中极为常见的特征之一,从立面图像中自动检测重复纹理结构是建筑物立面分析的一个重要环节。本文提出了一种基准线约束的纹理检测方法,以自动检测重复对象的位置和尺寸。该方法首先采用贝叶斯自适应超像素分割算法构建出超像素邻接图,计算色差后,对墙体进行分离获得候选对象;然后,计算得到候选对象的外接矩形,并从原图中提取出直线段对外接矩形进行约束;最后,基于建筑物立面结构的先验知识对建筑物立面纹理进行修复。试验结果表明,本文方法在检测几何形状为矩形纹理时,可实现对纹理位置和尺寸信息的准确检测,以及被遮挡重复对象的有效修复。

基于机器视觉的苹果表面纹理检测方法

提出了一种基于机器视觉技术的苹果表面纹理检测分级方法。提取苹果目标,使用不同算法灰度化图像。根据纹理位于图像中灰度突变处的特点,采用典型梯度算法,对目标图像进行两次梯度锐化。对图像进行滤波去噪使纹理更加突出。利用绝对差分算法,计算图像的平均梯度,选取阈值55,将苹果分为纹理鲜明A级果和纹理不鲜明B级果。设计了由PC机、可编程逻辑控制器、摄像机、图像采集卡等组成的苹果视觉自动化分级系统。选取41个水晶富士苹果在该系统进行了分级试验,分级窜果率为4.9%,可以满足应用要求。

基于纹理检测的骨骼影像分割

针对人体x光图像中的骨骼影像在分割过程中局部出现过度分割或欠分割的现象,提出了一种基于统计区域纹理的检测方法。对检测出不符合分割要求的局部影像,在再次分割前,分别采用补偿灰度或收缩分割区域的方式调整。实验结果表明,该算法能检测出分割后图像的局部性质,并能有效改善过度分割和欠分割的现象,分割后的影像可为下一步的模式识别提供一定的基础。

基于纹理检测器的多频道纹理分析

按照２ＤＧａｂｏｒ函数的特点和视觉机制，提出了用来捕捉纹理基元的纹理检测器函数．基于纹理检测器和多频道分解理论，提出了影像纹理的多频道分析方法，并按照神经动力学的侧抑制和端点抑制等理论，实现了对多频道纹理特征的融合，为改进现存多频道滤波方法提供了良好途径．实验表明，所提出的方法可有效用于具有相似模式大小的纹理分析．

基于DM642的纹理检测与Adaboost分类器相结合的车牌定位

智能交通系统(Intelligent Transportation System,简称ITS)是一种实时、准确、高效的综合交通运输管理系统,而车牌识别(License Plate Recognition LPR)技术是智能交通系统的关键技术之一.为了在嵌入式系统中实现车牌的实时检测,研究了基于TMS320DM642的车牌检测、定位与识别技术.本文提出一种基于纹理检测和Adaboost分类器相结合的车牌定位算法,针对该算法与DM642的结合进行了系统设计,并且基于EMCV与Opencv图像处理库进行了代码移植.该系统很好的避免了单独纹理检测的定位无方向性和单独Adaboost分类的定位不完整性的缺点,较好的提高了定位准确率,且定位后的车牌图像能够基于TCP协议发送到PC服务器,实现远程的车辆车牌的定位和监控.

融合卫星云图的直方图统计法纹理检测

纹理检测及分析不仅对于云图的自动识别,而且对云图的日常应用非常重要。本文采用直方图统计法对融合卫星云图进行了纹理检测和分析,提出了采用信息熵度量卫星云图上的“稠密度”,并利用夏季融合云图进行了大量试验。试验结果表明,信息熵纹理检测结果优于其它统计量,能检测出强云团内部的不同纹理特征,且纹理图像可应用于日常气象工作中。本文在深层次、多角度挖掘气象卫星遥感数据信息方面做了一些探索性的工作。

基于邻域灰度统计法的融合卫星云图纹理检测

采用邻域灰度统计法对融合卫星云图进行纹理检测和分析,并利用夏季红外云图及其融合云图进行了大量试验。结果表明,纹理图像清晰,能较好地检测出强云团内部的不同纹理特征,且这些纹理图像能应用于日常气象工作。在深层次、多角度挖掘气象卫星遥感信息方面也做了一些探索性的工作。

基于1D CNN与XGBoost的恶意代码纹理检测

恶意代码数量已经呈现爆炸式增长,对于恶意代码的检测防护显得尤为重要。近几年,基于深度学习的恶意代码检测方法开始出现,基于此,提出一种新的检测方法,将恶意代码二进制文件转化为十进制数组,并利用一维卷积神经网络(1 Dimention Convolutional Neural Networks,1D CNN)对数组进行分类和识别。针对代码家族之间数量不平衡的现象,该算法选择在分类预测上表现良好的XGBoost,并对Vision Research Lab中的25个不同恶意软件家族的9458个恶意软件样本进行了实验。实验结果表明,所提的方法分类预测精度达到了97%。

采用双流网络结构的虹膜卷缩轮检测方法

针对虹膜卷缩轮检测易受干扰而导致边界定位波动的问题,提出一种基于双流网络结构的虹膜卷缩轮检测方法。在归一化图像中,利用双流网络结构分别提取结构特征和纹理特征。融合模块融合来自不同流的特征,得到初定位区域。对该区域进行滤波操作,去除噪声干扰。利用边缘梯度算子检测、提取卷缩轮。实验结果表明,该方法正确检出率为91.2%,边缘定位AP值为0.706,平均检测速度为2.3秒/幅,相比其它算法,存在复杂干扰的情况下,保证检出率和检测速度的基础上,降低了边界波动。

基于小波变换的织物纹理方向检测方法

织物组织结构及参数的正确识别与分析是一项费时而又重要的工作。该文提出了一种运用图像处理技术检测织物纹理方向和识别织物组织的新方法。把小波变换对织物图像信号良好的分解性能与Radon变换对纹理直线的检测特性结合,运用于织物纹理方向的检测分析及织物组织识别中。实验表明该方法能较准确地测定纹理方向等结构参数,检测结果为正确推断与识别织物所属的基本组织类型提供有效依据。

喷墨印花运动纹理的混态MRF检测算法

针对喷墨印花织物在噪声环境下缺陷检测精度低的问题,提出一种基于混态马尔可夫随机场(MRF)模型的喷墨印花运动纹理检测算法.该算法利用运动纹理的时-空域特征表示,引入运动纹理的混态MRF模型,构建同时包含运动状态和背景状态的运动纹理特征图.为了有效提高模型对复杂纹理背景的表征能力,建立基于混态MRF模型的运动纹理检测模型,并将运动纹理检测过程转化为特征能量最小化问题.采用改进ICM优化求解算法,实现运动纹理检测和动态背景重构,有效提高运动纹理检测精度.实验结果表明:该算法能够有效检测出喷墨印花织物缺陷纹理,并且具有较强的抗噪声干扰能力.

Sobel算子在衣物纹理类型检测中的应用研究

衣物纹理是指衣物表面的纹络现象。在越来越发达的智能图像处理过程中,针对衣物纹理的检测也变得愈发平常,人们期望能够使用计算机自动识别衣物表面的纹理类型,如横竖条纹、方格及碎花等,从而进行基于纹理类型的相应操作。文中提出了一种利用Sobel算子进行梯度方向统计来实现衣物纹理类型检测的方法,其中对各纹理类型的判定依据来源于实验分析过程,经测试表明,该方法及相应判定依据能够有效地检测出衣物常见的纹理类型。

基于模糊类别共生矩阵的纹理疵点检测方法

纹理图像中的不规则部分通常称为疵点。纹理通常由空间分布和灰度分布共同描述,由于灰度共生矩阵能兼顾二者,因此具有很好的描述纹理的能力,不过其对纹理的正常部分与不正常部分的区分能力仍然有限,且计算效率低。为克服灰度共生矩阵以上的不足,提出了一种用模糊类别共生矩阵的方法来检测不规则纹理。该方法首先通过学习纹理的基本特征,如纹理的灰度概率密度分布、纹理主方向和周期等来确定模糊类别共生矩阵的一些关键参数,并将灰度级划分为几个纹理色调类别;然后根据后验概率函数得出各个灰度级对每个色调类别的模糊隶属度,同时计算模糊类别共生矩阵,并提取一些更为简单的特征;最后利用异常点检测的方法,即可很好地区分正常纹理和疵点。实践证明,该方法不仅比已有的灰度共生矩阵方法更简单,计算效率更高,而且能更好地表示不规则纹理。

灰度共生矩阵在皮肤纹理检测中的应用研究

图像的纹理特征检测技术在互联网色情图像监测以及Web图像过滤等方面有着广泛的应用。通过阐述皮肤的纹理属性和纹理分析方法引出基于灰度共生矩阵的纹理检测技术,并且通过具体的实验给出了相关参数的取值,具体包括共生矩阵计算主要涉及的灰度级数和位移量,以及纹理特征度量值的选择。实验结果表明,反差和能量是区分皮肤区域和非皮肤区域的两个最佳纹理度量指标。

基于多阶环形结构量子算法的图像纹理检测研究

为了提高图像纹理检测的效果,采用多阶环形结构量子算法。建立了量子多阶环形结构,每个量子不仅可以与自身环沟通,还可以与不同阶的环沟通,每个量子可以选择自身左右相连的两个量子作为邻居,也可以在相邻环上随机选择其他量子作为邻居,其选择相邻环或者跨环上的数量随机决定,环的优劣决定了环在多阶环中的位置,自适应选择每阶量子个体参与优化的概率。确定了量子节点信息被共享概率,包括全阶共享概率和同阶共享概率;通过幅度、符号、灰度级构成图像纹理的局部二值检测模型,邻域灰度的均方差描述纹理复杂度;并给出了算法流程。实验仿真显示,该算法检测纹理清晰,纹理连贯性较好,同时处理时间、熵值、平均梯度指标较好。

输电杆塔弱纹理部件的可迁移式检测

输电杆塔关键弱纹理部件的通用检测方法依赖大量样本的标注和学习。在无相关部件样本训练情况下,本文提出一种可迁移的输电杆塔弱纹理部件检测方法。本文方法结合了孪生神经网络和互相关卷积用于融合样本块与待搜索区域的特征,其中通过样本部件掩膜裁剪以有效滤除背景噪声,最后在尺度、位置、交并比3个方面提出了对应的分数修正策略以提高检测精度。实验结果表明,本文提出的掩膜裁剪和分数修正策略有效提高了弱纹理部件的检出精度,按照AP50的标准,本文检测方法的平均准确率达到了98.0%,能有效避免由于观测视角、尺度以及光照带来的干扰。

基于特征匹配要求的纹理边缘检测

为了更精确地进行机器人双目视觉中的特征匹配,需要获得数字图像中丰富而精确的纹理与边缘信息。为此提出了一种新的基于稳态小波变换(SWT)的多尺度纹理边缘检测算法。利用稳态小波变换(SWT)的平移不变性来精确捕获奇异点,在多尺度上通过小波参数的梯度变化检测纹理边缘,而后进行多尺度融合并运用形态学方法得到单像素宽度、精确的纹理边缘二值图。通过对比实验结果表明,相对于经典的边缘检测算法,该算法在抗噪声能力,物体表面纹理的丰富度以及边缘定位的准确性上有很大的提升,并满足特征匹配的需求。

结合二维EEMD和小波分解的遥感图像纹理方向检测

遥感图像纹理特征的提取和分析,可以弥补光谱特征在提取遥感图像信息特征方面的不足,提高遥感图像分类、识别的精度。为了得到遥感图像纹理特征中较重要的方向性特征,提出一种检测遥感图像纹理方向特征的新方法:先用改进后的二维集合经验模态分解算法(BEEMD)对原始图像进行处理;再对分解结果进行小波分解与Radon变换来检测图像纹理的方向性特征。实验结果表明,所提算法既能克服小波分解高频信息泄露的缺陷,增强小波分解的适用性;又能获得遥感图像纹理在低频、垂直和水平等部分较为准确、精细的方向特征检测结果,为遥感图像的识别与区分提供更有效的依据。

关于机械加工零件表面纹理缺陷检测方法的研究

随着科技水平飞速发展,我国工业发展水平不断进步,居民对工业产品需求的逐渐多元化,质量要求也不断提高,使得工业企业不断引入现代化生产技术来提高机械加工零件的水平。企业对机械加工零件的纹理、表面光滑程度等方面进行检测,是对生产零件的质量进行保证重要环节。本文将结合纹理缺陷检测的重要性,逐一对市面上普遍使用的检测方法进行分析,旨在提高检测水平,保证加工质量。