公开(公告)号：CN115984246B

公开(公告)日：2024-01-23

申请号：CN202310080768.3

申请日：2023-01-17

Applicant: 华南理工大学

Inventor： 高红霞 ,  李日红 ,  莫宜锦 ,  万燕英

IPC: G06T7/00 ,  G06T5/70 ,  G01N21/88

公开(公告)号：CN116012607A

公开(公告)日：2023-04-25

申请号：CN202310060360.X

申请日：2023-01-17

Applicant: 华南理工大学

Inventor： 高红霞 ,  李日红 ,  陈勇翡 ,  曲连伟 ,  杨伟朋

IPC: G06V10/54 ,  G06V10/52 ,  G06V10/50 ,  G06V10/764

Abstract: 本发明属于图像处理技术领域，公开了一种图像弱纹理特征提取方法及装置、设备、存储介质，通过将待检测图像划分成若干图像子块；基于剪切小波变换算法对每个图像子块进行特征提取，获得每个图像子块的子纹理特征；将所有图像子块的子纹理特征进行组合，获得待检测图像的全图纹理特征；能够快速且准确地提取出弱纹理特征，进而提高图像识别或缺陷检测的分类效率和精确度。

公开(公告)号：CN116012607B

公开(公告)日：2023-09-01

申请号：CN202310060360.X

申请日：2023-01-17

Applicant: 华南理工大学

Inventor： 高红霞 ,  李日红 ,  陈勇翡 ,  曲连伟 ,  杨伟朋

IPC: G06V10/54 ,  G06V10/52 ,  G06V10/50 ,  G06V10/764

Abstract: 本发明属于图像处理技术领域，公开了一种图像弱纹理特征提取方法及装置、设备、存储介质，通过将待检测图像划分成若干图像子块；基于剪切小波变换算法对每个图像子块进行特征提取，获得每个图像子块的子纹理特征；将所有图像子块的子纹理特征进行组合，获得待检测图像的全图纹理特征；能够快速且准确地提取出弱纹理特征，进而提高图像识别或缺陷检测的分类效率和精确度。

公开(公告)号：CN113887650A

公开(公告)日：2022-01-04

申请号：CN202111216101.9

申请日：2021-10-19

Applicant: 华南理工大学

Inventor： 高红霞 ,  李日红 ,  曲连伟

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的图像内部纹理分类方法，包括：1)输入纹理图像；2)使用ResNet50对图像提取特征，其对特征进行分层提取，将后面三个特征层的输出进行融合；3)设计多尺度特征感知模块对ResNet50提取的特征进行多尺度特征感知；4)使用skip跳接结构将中间特征层的信息直接引入后面特征层中，实现中间层纹理信息的传输；5)融合多尺度特征感知模块与跨层信息中的特征图；6)设计类别信息感知模块对融合后的特征图采用类似全连接网络中编码层的方法来计算类别信息，获得每个像素点的纹理分类结果。本发明可有效实现纹理类别的精准识别，提升不同纹理交界处的识别精度。

公开(公告)号：CN115984246A

公开(公告)日：2023-04-18

申请号：CN202310080768.3

申请日：2023-01-17

Applicant: 华南理工大学

Inventor： 高红霞 ,  李日红 ,  莫宜锦 ,  万燕英

IPC: G06T7/00 ,  G06T5/00 ,  G01N21/88

Abstract: 本发明属于机器视觉技术领域，公开了一种基于机器视觉的缺陷快速检测方法及装置、设备、存储介质，方法包括将待检测图像划分成若干图像子块；计算每个图像子块的多个相位一致性值，并求每个图像子块的多个相位一致性值的平均值；将平均值较大的指定数量个图像子块作为缺陷子块。该检测方法通过计算图像的相位一致性来检测图像中的边缘，可以不受图像局部光线明暗变化的影响，并能包含图像中的角、线、纹理等信息，尤其在图像边缘对比度比较低时保留边缘信息，从而对图像的亮度、对比度不敏感，可以很好的克服光线明暗所带来的纹理结构影响，进而可以提高基于机器视觉的产品表面缺陷检测的精确度。

公开(公告)号：CN113887650B

公开(公告)日：2024-05-24

申请号：CN202111216101.9

申请日：2021-10-19

Applicant: 华南理工大学

Inventor： 高红霞 ,  李日红 ,  曲连伟

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06V10/54 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的图像内部纹理分类方法，包括：1)输入纹理图像；2)使用ResNet50对图像提取特征，其对特征进行分层提取，将后面三个特征层的输出进行融合；3)设计多尺度特征感知模块对ResNet50提取的特征进行多尺度特征感知；4)使用skip跳接结构将中间特征层的信息直接引入后面特征层中，实现中间层纹理信息的传输；5)融合多尺度特征感知模块与跨层信息中的特征图；6)设计类别信息感知模块对融合后的特征图采用类似全连接网络中编码层的方法来计算类别信息，获得每个像素点的纹理分类结果。本发明可有效实现纹理类别的精准识别，提升不同纹理交界处的识别精度。

公开(公告)号：CN215066217U

公开(公告)日：2021-12-07

申请号：CN202122577877.5

申请日：2021-10-26

Applicant: 华南理工大学 ,  肇庆市宏华电子科技有限公司

Inventor： 高红霞 ,  李日红 ,  曲连伟 ,  关振明 ,  梁国衡 ,  梁耀国

IPC: G01N21/84 ,  G01N21/01

Abstract: 本实用新型属于光调控检测产品纹理领域，公开了一种产品纹理检测装置包括支架体、第一光源件、第二光源件、物料转移件、物料板和摄像头，所述第一光源件和所述第二光源件呈上下位置关系，并安装在所述支架体上，所述第一光源件和所述第二光源件下方安装所述物料板，所述摄像头对着所述物料板，所述物料转移件作用在所述物料板上方。可以对产品的纹理检测并且分类转移。