-
题名基于畸变校正与视觉显著特征的纺织品瑕疵检测
被引量：10
- 1
-
-
作者
龙涵彬
狄岚
梁久祯
-
机构
江南大学人工智能与计算机学院
常州大学信息科学与工程学院
-
出处
《模式识别与人工智能》
EI
CSCD
北大核心
2020年第12期1122-1134,共13页
-
基金
2020年度道路交通安全公安部重点实验室开放课题(No.2020ZDSYSKFKT03-2)资助。
-
文摘
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.
-
关键词
畸变校正
卡通纹理层分解
视觉显著特征
K
-means聚类
瑕疵检测
-
Keywords
Distortion Correction
Texture Cartoon Layer Decomposition
Visual Salient Feature
K-means Clustering
Defect Detection
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
