计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2015年
3期
863-867
,共5页
朱中洋%肖志云%孙光民%齐咏生
硃中洋%肖誌雲%孫光民%齊詠生
주중양%초지운%손광민%제영생
疵点检测与识别%四分法%Radon小波低分辨率特征%Gabor滤波器%神经网络
疵點檢測與識彆%四分法%Radon小波低分辨率特徵%Gabor濾波器%神經網絡
자점검측여식별%사분법%Radon소파저분변솔특정%Gabor려파기%신경망락
fabric defect detection and classification%quartering method%Radon Wavelet Low Resolution Characteristic (RWLRC)%Gabor filter%neural network
针对纺织过程中可能出现的瑕疵问题,提出了一种新的织物疵点分割方法——四分法和织物疵点特征提取方法——Radon小波低分辨率特征(RWLRC).该算法先将织物图像经过Gabor滤波器预处理,再将预处理之后的织物图像等分成四部分,通过4部分的最大值与最小值确定阈值并分割.将疵点形状的二值图像进行Radon变换并得到特征曲线,应用Mallat塔式分解算法进行特征降维,最后由神经网络进行状态识别和特征分类.实验结果表明,四分法无需与正常织物对照分割,具有自适应性,Radon小波低分辨率特征的特征值只有3维,具有特征维数低、疵点形状描述准确等特点,所提方法可以有效检测与识别缺纬、缺经、油污、漏洞等常见疵点.
針對紡織過程中可能齣現的瑕疵問題,提齣瞭一種新的織物疵點分割方法——四分法和織物疵點特徵提取方法——Radon小波低分辨率特徵(RWLRC).該算法先將織物圖像經過Gabor濾波器預處理,再將預處理之後的織物圖像等分成四部分,通過4部分的最大值與最小值確定閾值併分割.將疵點形狀的二值圖像進行Radon變換併得到特徵麯線,應用Mallat塔式分解算法進行特徵降維,最後由神經網絡進行狀態識彆和特徵分類.實驗結果錶明,四分法無需與正常織物對照分割,具有自適應性,Radon小波低分辨率特徵的特徵值隻有3維,具有特徵維數低、疵點形狀描述準確等特點,所提方法可以有效檢測與識彆缺緯、缺經、油汙、漏洞等常見疵點.
침대방직과정중가능출현적하자문제,제출료일충신적직물자점분할방법——사분법화직물자점특정제취방법——Radon소파저분변솔특정(RWLRC).해산법선장직물도상경과Gabor려파기예처리,재장예처리지후적직물도상등분성사부분,통과4부분적최대치여최소치학정역치병분할.장자점형상적이치도상진행Radon변환병득도특정곡선,응용Mallat탑식분해산법진행특정강유,최후유신경망락진행상태식별화특정분류.실험결과표명,사분법무수여정상직물대조분할,구유자괄응성,Radon소파저분변솔특정적특정치지유3유,구유특정유수저、자점형상묘술준학등특점,소제방법가이유효검측여식별결위、결경、유오、루동등상견자점.
