-
公开(公告)号：CN103473769B
公开(公告)日：2016-01-06
申请号：CN201310401031.3
申请日：2013-09-05
Applicant: 东华大学
Abstract: 本发明涉及一种基于奇异值分解的织物瑕疵检测方法。在训练阶段中，首先将无瑕疵织物图像有重叠地划分成正方形子窗口；然后将所得子窗口分别沿纵横方向投影，得到联合投影序列；最后对联合投影序列所组成的矩阵实施奇异值分解，提取基向量；在检测阶段中，首先将待检测织物图像无重叠地分割划分成正方形子窗口；同时将子窗口沿纵横方向的投影，得到联合投影序列；最后应用基向量对所得的联合投影序列进行重构，并通过重构误差来判定子窗口是否包含瑕疵。本发明充分利用的织物纹理及瑕疵的经纬取向特征，通过对纵横方向投影所得序列进行分析，不仅大大降低了方法的复杂性，而且对不同织物纹理和瑕疵类型有较强的适应性,尤其是对线性瑕疵。
-
公开(公告)号：CN104408709A
公开(公告)日：2015-03-11
申请号：CN201410597643.9
申请日：2014-10-30
Applicant: 东华大学
IPC: G06T7/00
CPC classification number: G06T7/80
Abstract: 本发明涉及一种线阵CCD相机成像灰度不匀的快速矫正方法，线阵CCD相机采集被测物图像，逐行矫正该图像，然后拼合成矫正后的图像；每个线扫描周期，被测物图像的行图像各像素的灰度值按对应的线阵CCD的像元的一维方向排列，组成一个灰度值分布函数，用，基于总体均值的滑动平均思想对其进行矫正。本发明是一种实时性较好的矫正方法，在克服了硬件矫正的高成本、低精度及寿命低等不足和传统软件矫正方法存在的算法复杂、实时性差、需建立复杂数学模型和进行参数标定等缺点基础上，通过综合兼顾总体灰度均值和局部灰度均值，实现对CCD成像两侧较暗部分的灰度补偿矫正，从而实现了线阵CCD的实时灰度矫正。
-
公开(公告)号：CN106226314B
公开(公告)日：2018-09-07
申请号：CN201610606173.7
申请日：2016-07-28
IPC: G01N21/88
Abstract: 本发明涉及一种基于纱线截面周长的纱线条干均匀度测量方法。本发明从纱线与织物的关系的角度去理解和表征纱线外观条干不匀，以椭圆纱线截面模型为基础，利用双轴向CCD相机获取相互垂直两个方向纱线图像，并进一步提出了纱线截面周长及基于纱线截面周长的条干均匀度的具体测量和计算方法。本发明能有效减小纱线不规则截面、纱线毛羽等对纱线外观条干测量的影响，几乎不受温湿度和大气状态等外界条件、纱线混纺状态及纱线光学性质差异等所造成的影响。本发明充分考虑了纱线截面对纱线条干的影响以及纱线到织物过程中的变形关系，有利于纱线外观条干均匀度与织物外观均匀度一致性评价，能用于纱线外观质量客观评价及织物外观质量预测领域。
-
公开(公告)号：CN108230299A
公开(公告)日：2018-06-29
申请号：CN201711297547.2
申请日：2017-12-08
Applicant: 东华大学
Abstract: 本发明涉及一种基于稳定学习字典的机织物瑕疵检测方法，将整幅机织物纹理图像分解为多个子图像后，判别出含有瑕疵的子图像，进而由含有瑕疵的子图像的位置信息确定织物瑕疵的位置；瑕疵的判别是通过比较子图像和重构子图像实现的，所有的子图像展开为列向量后进行联合得到样本图像矩阵，通过选用离散余弦变换作为初始字典，采用交替最小二乘法对样本图像矩阵进行字典学习，再应用字典学习得到的字典和系数矩阵对样本图像矩阵进行重构得到重构样本图像矩阵，重构样本图像矩阵的列向量转化即得重构子图像。本发明的基于稳定学习字典的机织物瑕疵检测方法，不仅计算方便快捷而且对不同纹理瑕疵均有很好地自适应性。
-
公开(公告)号：CN106289069A
公开(公告)日：2017-01-04
申请号：CN201610606207.2
申请日：2016-07-28
Abstract: 本发明涉及一种基于纱线截面周长条干均匀度的布面质量评价方法，是一种通过基于纱线截面周长条干均匀度的仿真布面质量评价布面质量的方法，本发明在纱线截面模型为椭圆形和纱线截面周长快速测量基础上，着眼于纱线质量与布面质量的一致性评价，可高效预测纱线的布面外观效果，本发明给出的布面质量的客观评价指标，可依据该指标结合实际纱线所仿真织物图像的外观效果及时调整织造参数，优化织造方案，相对于传统上机织造织物小样的方法，该方法能准确高效地实现不同品质纱线的“因材施用”，降低生产成本。本发明可用于纱线外观质量评价、织物质量预测及织造方案优选等领域。
-
Patent Agency Ranking
公开(公告)号：CN106226314A
公开(公告)日：2016-12-14
申请号：CN201610606173.7
申请日：2016-07-28
IPC: G01N21/88
CPC classification number: G01N21/88
Abstract: 本发明涉及一种基于纱线截面周长的纱线条干均匀度测量方法。本发明从纱线与织物的关系的角度去理解和表征纱线外观条干不匀，以椭圆纱线截面模型为基础，利用双轴向CCD相机获取相互垂直两个方向纱线图像，并进一步提出了纱线截面周长及基于纱线截面周长的条干均匀度的具体测量和计算方法。本发明能有效减小纱线不规则截面、纱线毛羽等对纱线外观条干测量的影响，几乎不受温湿度和大气状态等外界条件、纱线混纺状态及纱线光学性质差异等所造成的影响。本发明充分考虑了纱线截面对纱线条干的影响以及纱线到织物过程中的变形关系，有利于纱线外观条干均匀度与织物外观均匀度一致性评价，能用于纱线外观质量客观评价及织物外观质量预测领域。
-
公开(公告)号：CN103473770B
公开(公告)日：2016-06-15
申请号：CN201310401077.5
申请日：2013-09-05
Applicant: 东华大学
IPC: G06T7/00
Abstract: 本发明涉及一种基于矩形窗口投影和奇异值分解的线性织物瑕疵检测方法。在训练阶段中，首先将无瑕疵织物图像有重叠地划分成矩形子窗口；然后将所得子窗口分别沿纵横方向投影，得到联合投影序列；最后对联合投影序列所组成的矩阵实施奇异值分解，提取基向量；在检测阶段中，首先将待检测织物图像无重叠地分割划分成矩形子窗口；同时将子窗口沿纵横方向的投影，得到联合投影序列；最后应用基向量对所得的联合投影序列进行重构，并通过重构误差来判定子窗口是否包含瑕疵。本发明充分利用的织物纹理及线性瑕疵的经纬取向特征，通过对矩形窗口纵横方向投影所得序列进行分析，不仅大大降低了方法的复杂性，而且对不同织物纹理和线性瑕疵有较强的适应性。
-
公开(公告)号：CN103489182B
公开(公告)日：2016-04-20
申请号：CN201310401043.6
申请日：2013-09-05
Applicant: 东华大学
Abstract: 本发明涉及一种基于图像投影和奇异值分解的织物瑕疵检测方法。在训练阶段首先将无瑕疵织物图像样本有重叠地划分成正方形子窗口；然后将所得子窗口分别沿纵横方向投影，得到联合投影序列；最后对联合投影序列所组成的矩阵实施奇异值分解，提取基向量；在检测阶段，将待检测织物图像样本无重叠地分割划分成正方形子窗口；同时将子窗口沿纵横方向的投影，得到联合投影序列；应用基向量对所得的联合投影序列进行重构，并通过重构误差来判定子窗口是否包含瑕疵。本发明充分利用了织物纹理及瑕疵的经纬取向特征，通过对纵横方向投影所得序列进行分析，不仅大大降低了方法的复杂性，而且对不同织物纹理和瑕疵类型有较强的适应性，尤其是对线性瑕疵。
-
公开(公告)号：CN108230299B
公开(公告)日：2020-02-11
申请号：CN201711297547.2
申请日：2017-12-08
Applicant: 东华大学
Abstract: 本发明涉及一种基于稳定学习字典的机织物瑕疵检测方法，将整幅机织物纹理图像分解为多个子图像后，判别出含有瑕疵的子图像，进而由含有瑕疵的子图像的位置信息确定织物瑕疵的位置；瑕疵的判别是通过比较子图像和重构子图像实现的，所有的子图像展开为列向量后进行联合得到样本图像矩阵，通过选用离散余弦变换作为初始字典，采用交替最小二乘法对样本图像矩阵进行字典学习，再应用字典学习得到的字典和系数矩阵对样本图像矩阵进行重构得到重构样本图像矩阵，重构样本图像矩阵的列向量转化即得重构子图像。本发明的基于稳定学习字典的机织物瑕疵检测方法，不仅计算方便快捷而且对不同纹理瑕疵均有很好地自适应性。
-
公开(公告)号：CN108154499A
公开(公告)日：2018-06-12
申请号：CN201711297535.X
申请日：2017-12-08
Applicant: 东华大学
CPC classification number: G06T7/0004 , G06T9/00 , G06T2207/20081 , G06T2207/30124
Abstract: 本发明涉及一种基于K-SVD学习字典的机织物纹理瑕疵检测方法，将整幅机织物纹理图像分解为多个子图像后判别出含瑕疵的子图像，通过含瑕疵的子图像的位置确定织物瑕疵的位置；瑕疵的判别是通过比较子图像和重构子图像实现，所有子图像展开为列向量后联合得到测试样本图像矩阵，选用离散余弦变换为初始字典并用正交匹配追踪算法由初始字典和训练样本图像矩阵算得初始稀疏系数矩阵后，对训练样本图像矩阵进行K-SVD字典学习得到字典，再用正交匹配追踪算法由字典和测试样本图像矩阵算得稀疏系数矩阵后，重构测试样本图像矩阵再将重构样本图像矩阵的列向量转化为重构子图像。本发明检测快速准确，检测结果稳定且适应性强。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.021 seconds)
