制造业自动化
製造業自動化
제조업자동화
MANUFACTURING AUTOMATION
2014年
19期
51-56
,共6页
织物疵点检测%非下采样Contourlet变换%非线性增益函数%图像融合%图像分割
織物疵點檢測%非下採樣Contourlet變換%非線性增益函數%圖像融閤%圖像分割
직물자점검측%비하채양Contourlet변환%비선성증익함수%도상융합%도상분할
介绍了非下采样Contourlet变换并将其应用于织物疵点检测。首先对织物疵点图像进行两级非下采样Contourlet变换,得到1个低频子带和12个高频子带;然后对低频子带采用非线性增益函数进行增强及二值化处理;通过计算对比度在高频子带中挑选出4个最优子带进行去噪和二值化处理;最后将经上述处理后的低频子带与最优高频子带进行融合,以二值图像的方式将疵点与织物背景相分离。实验结果表明该方法具有较强的适应性、实时性和较高的疵点检测率。
介紹瞭非下採樣Contourlet變換併將其應用于織物疵點檢測。首先對織物疵點圖像進行兩級非下採樣Contourlet變換,得到1箇低頻子帶和12箇高頻子帶;然後對低頻子帶採用非線性增益函數進行增彊及二值化處理;通過計算對比度在高頻子帶中挑選齣4箇最優子帶進行去譟和二值化處理;最後將經上述處理後的低頻子帶與最優高頻子帶進行融閤,以二值圖像的方式將疵點與織物揹景相分離。實驗結果錶明該方法具有較彊的適應性、實時性和較高的疵點檢測率。
개소료비하채양Contourlet변환병장기응용우직물자점검측。수선대직물자점도상진행량급비하채양Contourlet변환,득도1개저빈자대화12개고빈자대;연후대저빈자대채용비선성증익함수진행증강급이치화처리;통과계산대비도재고빈자대중도선출4개최우자대진행거조화이치화처리;최후장경상술처리후적저빈자대여최우고빈자대진행융합,이이치도상적방식장자점여직물배경상분리。실험결과표명해방법구유교강적괄응성、실시성화교고적자점검측솔。