針對含有復雜圖案的紡織品瑕疵檢測問題,提出基于畸變校正與視覺顯著特征的紡織品瑕疵檢測方法.首先,計算圖像周期,獲取最佳分塊模板,根據模板對圖像進行畸變校正.再對圖像進行卡通紋理層分解,只保留具有圖像主要特征的卡通層.然后,采用改進的上下文視覺顯著性算法提取卡通層的顯著性特征,分離具有高顯著性特征的瑕疵與低顯著性特征的背景.最后,采用K-means聚類算法突出顯著圖中的瑕疵,完成瑕疵檢測.實驗表明,文中方法對星型、箱型和點型圖案紡織品的瑕疵檢測的平均查全率較高,同時平均查全-查準效果也較優(yōu). 

【文章來源】：模式識別與人工智能. 2020,33(12)北大核心CSCD

【文章頁數(shù)】：13 頁

【文章目錄】：
1 上下文視覺顯著性算法
2 基于畸變校正與視覺顯著特征的紡織品瑕疵檢測方法
    2.1 圖像畸變校正
    2.2 卡通紋理層分解
    2.3 顯著性特征提取
    2.4 顯著圖分割策略
3 實驗及結果分析
    3.1 參數(shù)選取
    3.2 畸變校正前后對比實驗
    3.3 上下文視覺顯著性算法改進前后對比實驗
    3.4 各種瑕疵檢測方法的結果對比
4 結 束 語


【參考文獻】：
期刊論文
[1]基于結構相似性與模板校正的織物瑕疵檢測方法[J]. 楊達,狄嵐,趙樹志,梁久禎.  智能系統(tǒng)學報. 2020(03)
[2]基于模板校正與低秩分解的紡織品瑕疵檢測方法[J]. 紀旋,梁久禎,侯振杰,常興治,劉威.  模式識別與人工智能. 2019(03)
[3]基于相似關系的紡織品瑕疵檢測方法[J]. 梁久禎,顧程熙,常興治.  模式識別與人工智能. 2017(05)



本文編號：3110094