计算机工程与设计
計算機工程與設計
계산궤공정여설계
Computer Engineering and Design
2015年
9期
2467-2471,2507
,共6页
织物瑕疵检测%特征提取%灰度共生矩阵%相似性度量%最优参数
織物瑕疵檢測%特徵提取%灰度共生矩陣%相似性度量%最優參數
직물하자검측%특정제취%회도공생구진%상사성도량%최우삼수
fabric defect detection%feature extraction%GLCM%similarity measurement%optimal parameters
传统织物瑕疵检测多为人工操作,存在主观性强、效率低、成本高等缺点,为此提出一种基于最优参数非线性灰度共生矩阵(GLCM)的织物瑕疵自动检测算法.将传统的线性GLCM构建方式改为非线性,使构建的GLCM能更有效捕捉图像特征、区分瑕疵;通过对无瑕疵织物图像的学习,获得非线性GLCM特征提取的最优尺度方向参数以及自适应的瑕疵分割阈值;采用获得的参数提取待检测图像的特征,通过特征相似性距离度量定位瑕疵区域.针对实际图像的实验结果表明,该算法能有效定位织物瑕疵区域且受噪声干扰小.
傳統織物瑕疵檢測多為人工操作,存在主觀性彊、效率低、成本高等缺點,為此提齣一種基于最優參數非線性灰度共生矩陣(GLCM)的織物瑕疵自動檢測算法.將傳統的線性GLCM構建方式改為非線性,使構建的GLCM能更有效捕捉圖像特徵、區分瑕疵;通過對無瑕疵織物圖像的學習,穫得非線性GLCM特徵提取的最優呎度方嚮參數以及自適應的瑕疵分割閾值;採用穫得的參數提取待檢測圖像的特徵,通過特徵相似性距離度量定位瑕疵區域.針對實際圖像的實驗結果錶明,該算法能有效定位織物瑕疵區域且受譟聲榦擾小.
전통직물하자검측다위인공조작,존재주관성강、효솔저、성본고등결점,위차제출일충기우최우삼수비선성회도공생구진(GLCM)적직물하자자동검측산법.장전통적선성GLCM구건방식개위비선성,사구건적GLCM능경유효포착도상특정、구분하자;통과대무하자직물도상적학습,획득비선성GLCM특정제취적최우척도방향삼수이급자괄응적하자분할역치;채용획득적삼수제취대검측도상적특정,통과특정상사성거리도량정위하자구역.침대실제도상적실험결과표명,해산법능유효정위직물하자구역차수조성간우소.
