發(fā)布時間：2017-09-13 11:30

  本文關鍵詞：應用積分圖的織物瑕疵檢測快速算法

  更多相關文章： 織物瑕疵檢測 積分圖 特征提取 核函數(shù) 均值漂移

【摘要】：為解決現(xiàn)有基于圖像處理的織物瑕疵檢測算法實時性較差、正確率偏低等問題,提出一種包含學習和檢測2個階段的瑕疵檢測算法。通過對無瑕疵模板圖像的梯度能量特征及其分布特性的學習,自適應獲得檢測階段所需的參數(shù)。一方面利用積分圖原理將任意大小的圖像塊內(nèi)的求和運算化簡為三次加法運算,快速提取織物圖像的梯度能量特征,實現(xiàn)織物瑕疵的實時檢測,另一方面利用核函數(shù)擬合特征參數(shù)分布,結(jié)合均值漂移法求解分布峰值獲得自適應的瑕疵判定閾值參數(shù),實現(xiàn)織物瑕疵的準確分割。通過實驗將本文算法與現(xiàn)有基于局部二值模式特征、小波特征、規(guī)則帶特征等算法進行對比,針對包含3種紋理6類瑕疵的織物圖像數(shù)據(jù)集的測試結(jié)果顯示,本文算法平均處理時間為56 ms,正確率為97%。
【作者單位】： 南通大學電子信息學院;南京大學電子科學與工程學院;
【關鍵詞】： 織物瑕疵檢測 積分圖 特征提取 核函數(shù) 均值漂移
【基金】：國家自然科學基金資助項目(61401239) 南通市應用研究計劃項目(BK2014066)
【分類號】：TS107;TP391.41
【正文快照】： 傳統(tǒng)紡織行業(yè)的瑕疵檢測多以人工肉眼檢測為主,由于人眼視覺易疲勞導致漏檢,人工觀察效率低,人力成本代價大,與大規(guī)模工業(yè)化生產(chǎn)極不協(xié)調(diào)。近年來,許多學者研究利用計算機視覺和圖像處理算法自動進行織物瑕疵檢測。對織物圖像直接閾值化分割瑕疵的方法雖然操作簡單[1],但是僅

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前5條

1 張軼,張帥,韓其睿,陳松;實時布匹瑕疵檢測系統(tǒng)瑕疵檢測算法研究[J];紡織機械;2004年06期

2 李鑫;王新莉;趙讓乾;吳素珍;;基于機器視覺的智能化布匹瑕疵檢測方法[J];河南工程學院學報(自然科學版);2010年04期

3 田承泰;步紅剛;汪軍;陳霞;;基于時間序列分形特征的織物瑕疵檢測[J];紡織學報;2010年05期

4 項明;姚雪存;江有福;;LBPV算法在織物瑕疵檢測中的應用[J];絲綢;2014年02期

5 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 俞哲;李旦;俞承芳;;鋼珠瑕疵檢測算法的研究[A];2009全國虛擬儀器大會論文集（二）[C];2009年

2 周澤魁;;機器視覺在布匹瑕疵檢測中的應用[A];浙江企業(yè)信息化與自動化論壇論文集[C];2005年

中國博士學位論文全文數(shù)據(jù)庫 前2條

1 周建;基于字典學習的機織物瑕疵自動檢測研究[D];東華大學;2014年

2 王楠;基于視覺的硅太陽能電池檢測方法的研究[D];河北農(nóng)業(yè)大學;2014年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 胡佳娟;基于視覺顯著模型和支持向量機的織物瑕疵檢測方法[D];蘇州大學;2015年

2 陳丹;雪糕棒表面瑕疵檢測方法的研究[D];沈陽工業(yè)大學;2016年

3 關向偉;基于數(shù)字圖像處理的經(jīng)編布瑕疵檢測系統(tǒng)[D];吉林大學;2016年

4 孫長慶;基于機器視覺的布匹瑕疵檢測系統(tǒng)研究[D];北方工業(yè)大學;2014年

5 毛兆華;基于非負字典學習的機織物瑕疵檢測算法研究[D];東華大學;2015年

6 王清;擬合在布匹瑕疵檢測技術中的應用[D];吉林大學;2015年

7 馮丹陽;紡織品的瑕疵檢測方法[D];吉林大學;2011年

8 王新民;基于小波和統(tǒng)計學習理論的布匹瑕疵檢測與分類技術研究[D];西安電子科技大學;2012年

9 狄霞;基于脈沖耦合神經(jīng)網(wǎng)絡的布匹瑕疵檢測[D];北方工業(yè)大學;2015年

10 劉超;基于數(shù)字圖像處理技術的智能瑕疵檢測系統(tǒng)的開發(fā)與應用[D];吉林大學;2014年

，

本文編號：843448