基于畸变校正与视觉显著特征的纺织品瑕疵检测

发布时间：2021-03-30 20:21

　　针对含有复杂图案的纺织品瑕疵检测问题,提出基于畸变校正与视觉显著特征的纺织品瑕疵检测方法.首先,计算图像周期,获取最佳分块模板,根据模板对图像进行畸变校正.再对图像进行卡通纹理层分解,只保留具有图像主要特征的卡通层.然后,采用改进的上下文视觉显著性算法提取卡通层的显著性特征,分离具有高显著性特征的瑕疵与低显著性特征的背景.最后,采用K-means聚类算法突出显著图中的瑕疵,完成瑕疵检测.实验表明,文中方法对星型、箱型和点型图案纺织品的瑕疵检测的平均查全率较高,同时平均查全-查准效果也较优. 

【文章来源】：模式识别与人工智能. 2020,33(12)北大核心CSCD

【文章页数】：13 页

【文章目录】：
1 上下文视觉显著性算法
2 基于畸变校正与视觉显著特征的纺织品瑕疵检测方法
    2.1 图像畸变校正
    2.2 卡通纹理层分解
    2.3 显著性特征提取
    2.4 显著图分割策略
3 实验及结果分析
    3.1 参数选取
    3.2 畸变校正前后对比实验
    3.3 上下文视觉显著性算法改进前后对比实验
    3.4 各种瑕疵检测方法的结果对比
4 结 束 语


【参考文献】：
期刊论文
[1]基于结构相似性与模板校正的织物瑕疵检测方法[J]. 杨达,狄岚,赵树志,梁久祯.  智能系统学报. 2020(03)
[2]基于模板校正与低秩分解的纺织品瑕疵检测方法[J]. 纪旋,梁久祯,侯振杰,常兴治,刘威.  模式识别与人工智能. 2019(03)
[3]基于相似关系的纺织品瑕疵检测方法[J]. 梁久祯,顾程熙,常兴治.  模式识别与人工智能. 2017(05)



本文编号：3110094