基于光谱分析的棉花异性纤维最佳波段选择方法

图像采集是基于计算机视觉的棉花异性纤维检测计量系统中的基础环节。为构建有效的图像采集系统以便检测皮棉中的异性纤维并识别其种类,在对棉纤维和异性纤维进行光谱分析的基础上,根据二者的漫反射光谱差异,提出了基于反射差极值分布的最佳检测波段选择方法和基于光谱可区分度的最佳可区分波段选择方法。光谱分析结果表明,紫外波段是带荧光异性纤维的最佳检测波段,可见光波段是带颜色异性纤维的最佳检测波段,而红外波段是塑料薄膜、毛发、羽毛等的最佳检测波段,并初步认定780～1 800 nm的近红外波段为异性纤维间的最佳可区分波段。     

皮棉表面多类异性纤维的高光谱图像检测

为了考察高光谱成像技术检测多类异性纤维共存时的性能,也为其今后用于商业化皮棉质量评价,或在线皮棉杂质分拣提供研究基础,试验采集丙纶丝和毛发共存的样本高光谱图像。依据单一异性纤维分割的最佳波段图像,获得灰度平均和小波变换后融合图像。通过对比小波变换融合图像,灰度平均图像,以及全波段下主成分和独立成分得分图像,获得用于目标分割的最佳图像。采用最优特征集和分类树判别方法,判别最佳图像分割后的连通区域,剔除噪声点和假阳性。依据目标判定原则,训练集和独立验证集的异性纤维识别率分别为84.09%和75.86%。结果表     

皮棉表面多类异性纤维的高光谱图像检测

为了考察高光谱成像技术检测多类异性纤维共存时的性能,也为其今后用于商业化皮棉质量评价,或在线皮棉杂质分拣提供研究基础,试验采集丙纶丝和毛发共存的样本高光谱图像。依据单一异性纤维分割的最佳波段图像,获得灰度平均和小波变换后融合图像。通过对比小波变换融合图像,灰度平均图像,以及全波段下主成分和独立成分得分图像,获得用于目标分割的最佳图像。采用最优特征集和分类树判别方法,判别最佳图像分割后的连通区域,剔除噪声点和假阳性。依据目标判定原则,训练集和独立验证集的异性纤维识别率分别为84.09%和75.86%。结果表     

基于Mean-shift的棉花异性纤维图像分割

提出了一种基于均值平移(Mean - shift)算法和膨胀、滤波算法相结合的棉花异性纤维图像分割方法.选择具有代表意义的头发、麻绳和塑料布的灰度图像进行处理,首先对棉花异性纤维图像采用Mean - shift算法进行图像分割,然后对分割后的图像元素进行膨胀处理和滤波处理,实现棉花异性纤维图像的精确分割.实验结果表明,本文采用的图像分割方法具有较强的抗噪声能力,达到了比较满意的分割效果.     

棉花异性纤维图像分割方法

通过直方图分析,建立了适用于棉花异性纤维图像的增强模型;提出了改进Otsu法,并对Otsu方法的分割效果进行了深入分析.实验结果表明,所有棉花异性纤维图像的灰度直方图基本都呈单峰特性;所建的增强模型可以显著提高异性纤维目标与皮棉背景之间的对比度;改进Otsu法将最佳阈值的搜索范围从0～255缩减到150～230,使此环节的计算速度提高了2倍多.     

基于改进遗传算法的棉花异性纤维目标特征选择

为提高基于机器视觉的棉花异性纤维在线分类的精度和速度,提出了一种基于改进遗传算法的特征选择方法.采用分段式染色体管理方案实现对多质特征空间局部化管理;利用分段交叉和变异算子避免出现无效染色体,提高搜索效率;通过自适应调整交叉和变异概率实现强搜索能力和快收敛速度的动态平衡.实验结果表明,该方法比基本遗传算法搜索能力更强、收敛速度更快,所得最优特征子集较小,更适用于棉花异性纤维在线分类.     

棉花异性纤维图像分割方

通过直方图分析，建立了适用于棉花异性纤维图像的增强模型；提出了改进Otsu法，并对Otsu方法的分割效果进行了深入分析。实验结果表明，所有棉花异性纤维图像的灰度直方图基本都呈单峰特性；所建的增强模型可以显著提高异性纤维目标与皮棉背景之间的对比度；改进Otsu法将最佳阈值的搜索范围从0～255缩减到150～230，使此环节的计算速度提高了     

基于自动视觉检测的棉花异性纤维分类系统

为实现棉花异性纤维的在线识别,设计了一种基于自动视觉检测(AVI)的棉花异性纤维分类系统.该系统利用棉层生成器将待检测皮棉制成约2mm厚的均匀薄层使其中的异性纤维更容易检测,利用彩色线扫描相机检测有色异性纤维,利用单色线扫描相机检测在紫外线激发下能产生荧光的白色异性纤维.采用多特征多分类器集成的模糊分类方法实现了对异性纤维的分类.实验表明,该系统对异性纤维的平均分类正确率可达到80%.