基于自适应域值分割与力矩的棉花异性纤维分类方法

为能够准确统计出棉花中所含异性纤维的重量和数目,提出一种机器视觉与图像处理技术,对棉花异性纤维进行检测分类。在提取棉花异性纤维原始图像的基础上,采用灰度处理和滤波技术完成图像的预处理,采用自适应域值技术来完成棉花异性纤维图像分割,在分割出的二值化图像基础上,采用挖空内点法和邻域搜索法进行轮廓提取,提出以异性纤维轮廓的面积与周长平方之比作为力矩,对棉花异性纤维进行分类。通过对300个棉花异性纤维样本图像进行了试验,分类准确率可以达到96%。结果表明该技术和分类力矩可以准确的对棉花异性纤维进行初分类。

基于纤维纵向显微图像的棉/亚麻单纤维识别

针对棉/亚麻混纺织物,基于其单纤维纵向显微图像(纤维切段的长度约为0.5 mm),研究了纤维的自动识别方法。检测纤维时,先对纤维图像进行去背景处理,而后运用形态学闭运算和背景区域生长相结合的方法获得纤维的目标区域,对图片中出现的玻璃划痕、干扰杂物等进行了较好的滤除。由纤维骨架垂直方向上的区域图、二值图和细化图得到它们的垂直积分投影序列,并提取这3条序列各自的变异系数CV值和平均值共计6个参数。将这6个参数作为棉/亚麻纤维的特征参数,训练最小二乘支持向量机分类器,对测试集的测试结果表明该分类器对棉/亚麻短纤维的识别正确率平均为93.3%。