西安工程大学学报
西安工程大學學報
서안공정대학학보
Journal of Xi'an Polytechnic University
2015年
5期
594-599
,共6页
刘绥美%李鹏飞%张蕾%张宏伟%张缓缓%景军锋
劉綏美%李鵬飛%張蕾%張宏偉%張緩緩%景軍鋒
류수미%리붕비%장뢰%장굉위%장완완%경군봉
疵点检测%稀疏编码%K-SVD字典学习
疵點檢測%稀疏編碼%K-SVD字典學習
자점검측%희소편마%K-SVD자전학습
defect detection%sparse coding%K-SVD dictionary learning
为了快速准确地实现背景纹理复杂织物的疵点检测,改善传统算法计算量大的缺点,提出基于稀疏编码字典学习的疵点检测算法.首先利用Radon变化对图像进行倾斜矫正,减小像素信息处理误差,再使用Gabor滤波器对矫正后图像滤波,消除噪声影响.接着对预处理后的图像,以一定尺寸窗口,滑动选取图像块构建输入样本集,采用K-SVD算法对无瑕疵样本集合进行字典学习,得到稀疏系数并重构,进而取得水平、垂直投影特征矩阵.最后利用已得到的字典与稀疏系数对待检测样本重构,求得其相对应的特征矩阵,并用结构相似法最终确定疵点区域.实验表明,该算法检测时间短,效率较高,平均可达92.3％.
為瞭快速準確地實現揹景紋理複雜織物的疵點檢測,改善傳統算法計算量大的缺點,提齣基于稀疏編碼字典學習的疵點檢測算法.首先利用Radon變化對圖像進行傾斜矯正,減小像素信息處理誤差,再使用Gabor濾波器對矯正後圖像濾波,消除譟聲影響.接著對預處理後的圖像,以一定呎吋窗口,滑動選取圖像塊構建輸入樣本集,採用K-SVD算法對無瑕疵樣本集閤進行字典學習,得到稀疏繫數併重構,進而取得水平、垂直投影特徵矩陣.最後利用已得到的字典與稀疏繫數對待檢測樣本重構,求得其相對應的特徵矩陣,併用結構相似法最終確定疵點區域.實驗錶明,該算法檢測時間短,效率較高,平均可達92.3％.
위료쾌속준학지실현배경문리복잡직물적자점검측,개선전통산법계산량대적결점,제출기우희소편마자전학습적자점검측산법.수선이용Radon변화대도상진행경사교정,감소상소신식처리오차,재사용Gabor려파기대교정후도상려파,소제조성영향.접착대예처리후적도상,이일정척촌창구,활동선취도상괴구건수입양본집,채용K-SVD산법대무하자양본집합진행자전학습,득도희소계수병중구,진이취득수평、수직투영특정구진.최후이용이득도적자전여희소계수대대검측양본중구,구득기상대응적특정구진,병용결구상사법최종학정자점구역.실험표명,해산법검측시간단,효솔교고,평균가체92.3％.
