为实现快速和有效的织物瑕疵自动检测,提出了一种基于时间序列而不是图像的功率谱纹理分析方法。依据Burg au to regress ive(AR)算法估计得到谱数据,从中提取能够反映纹理周期和取向等特点的特征,并首次采用支持向量数据描述模型来检...为实现快速和有效的织物瑕疵自动检测,提出了一种基于时间序列而不是图像的功率谱纹理分析方法。依据Burg au to regress ive(AR)算法估计得到谱数据,从中提取能够反映纹理周期和取向等特点的特征,并首次采用支持向量数据描述模型来检测织物瑕疵纹理。对包含多种疵点的若干织物样本的检测结果表明,依照本文所述方案能够在保持较低的误警率前提下达到较高的疵点检出率,证明了所述方案的可行性。展开更多
纹理是一种普遍存在的视觉现象,在图像处理、三维重建和模式识别中都具有非常重要的作用。由于纹理具有多粒度特性,基于单一尺度的结构基元已经不足以准确地描述纹理特征,而在数学形态学运算中,利用不同大小的结构元素迭代进行形态学运...纹理是一种普遍存在的视觉现象,在图像处理、三维重建和模式识别中都具有非常重要的作用。由于纹理具有多粒度特性,基于单一尺度的结构基元已经不足以准确地描述纹理特征,而在数学形态学运算中,利用不同大小的结构元素迭代进行形态学运算,可以获得不同粒度下的结构信息。基于上述考虑,给出了一种基于形态学开运算的纹理结构的多粒度分解形式,并提出了一种整体对比度不同而结构相同的纹理结构特征的多粒度描述方法。为了验证该方法的有效性,以Brodatz数据库和MIT Vis Tex数据库的20幅纹理图像为实验数据,将提出的多粒度描述方法与基于灰度共生矩阵的纹理描述方法和基于Gabor滤波的纹理描述方法进行比较。实验结果表明,该方法优于上述两种方法。展开更多
文摘为实现快速和有效的织物瑕疵自动检测,提出了一种基于时间序列而不是图像的功率谱纹理分析方法。依据Burg au to regress ive(AR)算法估计得到谱数据,从中提取能够反映纹理周期和取向等特点的特征,并首次采用支持向量数据描述模型来检测织物瑕疵纹理。对包含多种疵点的若干织物样本的检测结果表明,依照本文所述方案能够在保持较低的误警率前提下达到较高的疵点检出率,证明了所述方案的可行性。
文摘纹理是一种普遍存在的视觉现象,在图像处理、三维重建和模式识别中都具有非常重要的作用。由于纹理具有多粒度特性,基于单一尺度的结构基元已经不足以准确地描述纹理特征,而在数学形态学运算中,利用不同大小的结构元素迭代进行形态学运算,可以获得不同粒度下的结构信息。基于上述考虑,给出了一种基于形态学开运算的纹理结构的多粒度分解形式,并提出了一种整体对比度不同而结构相同的纹理结构特征的多粒度描述方法。为了验证该方法的有效性,以Brodatz数据库和MIT Vis Tex数据库的20幅纹理图像为实验数据,将提出的多粒度描述方法与基于灰度共生矩阵的纹理描述方法和基于Gabor滤波的纹理描述方法进行比较。实验结果表明,该方法优于上述两种方法。
