计算机视觉

针对细络联上管纱毛羽检测仍采取人工抽检的形式，存在检测效率低、检测成本高、抽检误差难以避免的问题，设计了一种基于图像处理技术的细络联管纱在线无损毛羽检测系统。该系统由基于机器视觉的在线管纱毛羽图像采集模块和采用Hessian矩阵滤波处理算法与多尺度管纱表面毛羽评价指标Hc的图像处理模块组成，可嵌入细络联运输轨道进行在线检测，实现了管纱毛羽的普检，提高了检测效率，避免了人力消耗与产品浪费；同时能够筛选异常毛羽管纱，通过异常管纱信息追溯细纱机异常锭位。经试验验证，系统检测结果与USTER毛羽仪检测结果具有一定相关性。认为：系统能够有效检测出管纱的毛羽水平。

图像修复是通过算法或技术对受损或缺失的图像进行恢复和修复的过程，是计算机视觉领域的研究热点之一。本文通过梳理近些年基于深度学习的图像修复方法的发展脉络，将其分为单模态图像修复方法和多模态图像修复方法，对比分析了各类方法的原理和优缺点，介绍了常用数据集和评价指标，评估代表性方法在常用数据集上的性能表现，并对该领域目前存在的挑战和未来的发展方向进行了分析和展望。

为了去除受雨天天气影响而出现在图像中的雨纹和雨线,本文提出了一种基于多通道多尺度的注意力机制单幅图像去除雨纹和雨线的方法,通过多尺度特征提取与网络融合,提取多尺度卷积神经网络不同通道的雨纹和雨线特征。首先利用双边滤波进行图像分解;然后对低频部分进行多尺度的特征提取与融合,并且使用区域注意力进一步提取图像的特征信息,同时对高频部分利用多尺度特征提取的卷积神经网络进行特征学习;最后将2部分相加,得到了去除雨纹和雨线更彻底的清晰图像。并在合成数据集与真实数据集上与其他去雨方法进行对比分析,实验结果表明:本文去除雨纹和雨线后得到的图像更加清晰,并且图像的部分区域细节丢失更少,提升了去雨后的图像质量,从而改善图像处理、计算机视觉和机器学习等领域的应用效果和性能。