论文部分内容阅读
传统布匹瑕疵检测方法是依赖于检测工人肉眼对成品布匹进行人工瑕疵检测,而现存的计算机视觉布匹瑕疵检测方法主要基于对无瑕疵布匹图像提取的特征进行学习,从而进行布匹瑕疵检测。该类方法需要对无瑕疵布匹图像进行对比学习,且对特定角度下采集的布匹实验图像有严格要求。上述方案依赖于无瑕疵布匹图像的先验知识学习,对不同尺度的布匹或多种布匹同时检测缺乏考虑,无法同时适用于不同尺度的布匹检测,从而导致误检,鲁棒性低。本论文针对上述问题提出了基于Gabor和视觉信息的布匹瑕疵检测方法。该方案构建了布匹瑕疵数据库,根据人眼能够快速准确的从不同尺度与不同纹理布匹图像中鉴别瑕疵区域的现象,将人眼视觉引入布匹瑕疵检测中,从而提出了改进的多通道Gabor布匹瑕疵检测方法与基于改进视觉显著性的布匹瑕疵检测方法。本文的主要研究内容如下:⑴针对现阶段布匹检测方法依赖于无瑕疵布匹图像的先验知识学习,无法同时对不同尺度的纺织工厂线采集到的布匹图像进行有效的瑕疵检测的问题,提出一种基于改进多通道Gabor的布匹瑕疵检测方法。该方法采用改进多通道Gabor滤波器对布匹图像进行滤波,通过子块计分方法对多通道Gabor滤波结果进行选择,将选择出的多通道进行融合,通过阈值分割,得到瑕疵区域。实验结果表明该方法与传统的布匹瑕疵检测方法形态学方法、MRF方法比较,可以有效提高对典型的布匹瑕疵检测的准确率。⑵针对改进多通道Gabor的布匹瑕疵检测检测效率低的问题,提出一种改进视觉显著性的布匹瑕疵检测方法。本文所述方法在经典的视觉显著性模型基础上得到布匹图像的自底向上的显著性特征,并提出一种自顶向下的熵、能量显著性特征计算方法。该方法通过对显著性特征图进行融合,使用最大类间方差法进行分割显著性特征图,得到布匹图像视觉显著性区域。实验结果表明该方法与⑴中比较,在保证识别率的基础上,能够快速检测典型布匹瑕疵。