多纹理分级融合的织物缺陷检测算法

论文摘要

针对织物缺陷检测过程中纹理分布的复杂多样性引起误检和漏检的问题,结合织物纹理周期性特点,提出一种多纹理分级融合的织物缺陷检测算法。在检测过程中,首先利用织物缺陷图像的Tamura粗糙度图,对缺陷区域进行初步定位和自适应性生长,将初步定位的区域映射到原始织物图像中;其次根据织物图像的周期性分布特征,对初步定位区域进行分块,提取图像块的局部相位量化(LPQ)特征、Tamura特征,并将2种特征融合;然后计算融合特征与正常块特征的相似度,获取相似度图;最后将初步定位区域的经纬向特征图与相似度特征图融合,检测缺陷存在的区域。经TILDA织物纹理库数据的实验测试结果表明,缺陷区域的初步定位和自适应生长,降低了缺陷检测过程的冗余度,提高了检测效率,避免了织物缺陷检测过程中的误检和漏检情况。

论文目录

• 1 相关纹理特征原理
•   1.1 Tamura纹理特征
•   1.2 局部相位量化
•   1.3 经纬向纹理特征
•   1.4 纹理特征向量融合
• 2 织物缺陷检测
•   2.1 织物图像纹理分析
•   2.2 织物缺陷区域初步定位
•   2.3 织物缺陷区域检测
• 3 实验结果与分析
•   3.1 缺陷区域初步定位结果分析
•   3.2 缺陷检测结果分析
•   3.3 缺陷检测时间效率和瑕疵检出率分析
• 4 结论

文章来源

类型: 期刊论文

作者: 朱浩,丁辉,尚媛园,邵珠宏

关键词: 织物缺陷检测,织物纹理,特征融合,特征,局部相位量化特征

来源: 纺织学报 2019年06期

年度: 2019

分类: 工程科技Ⅰ辑,信息科技

专业: 轻工业手工业,计算机软件及计算机应用

单位: 首都师范大学信息工程学院,高可靠嵌入式系统技术北京市工程技术研究中心,北京成像理论与技术高精尖创新中心,北京数学与信息交叉科学协同创新中心

基金: 国家自然科学基金项目(61876112,61303104,61601311,61603022),北京市属高校高水平教师队伍建设支持计划项目(CIT&TCD20170322),北京市教委科研计划项目(SQKM201810028018),首都师范大学创新团队项目(PXM19530050151)

分类号: TP391.41;TS101.97

DOI: 10.13475/j.fzxb.20180704708

页码: 118-125

总页数: 8

文件大小: 464K

下载量: 209