-
公开(公告)号：CN108399614A
公开(公告)日：2018-08-14
申请号：CN201810043774.0
申请日：2018-01-17
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于无抽样小波与Gumbel分布的织物缺陷检测方法，包括步骤：对输入图像进行多层无抽样小波分解；根据小波分解所得的近似子图和细节子图，生成融合差分特征图；采用Gumbel模型拟合特征图中的灰度分布，利用MLE算法估计模型参数；将特征图划分成子图块，根据估计的模型参数计算每个子图块的似然估计值，得到似然值分布图；阈值化似然值分布图，得到二值化的检测结果。本发明没有直接将各子带小波系数用作特征，避免了高维特征矢量的计算复杂性；特征融合步骤中考虑了低频信息的影响，避免灰度变化平缓的缺陷被漏检；将小波分析与Gumbel模型结合，把缺陷检测问题转化成假设检验问题，检测精度高。
-
公开(公告)号：CN108399614B
公开(公告)日：2020-12-22
申请号：CN201810043774.0
申请日：2018-01-17
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于无抽样小波与Gumbel分布的织物缺陷检测方法，包括步骤：对输入图像进行多层无抽样小波分解；根据小波分解所得的近似子图和细节子图，生成融合差分特征图；采用Gumbel模型拟合特征图中的灰度分布，利用MLE算法估计模型参数；将特征图划分成子图块，根据估计的模型参数计算每个子图块的似然估计值，得到似然值分布图；阈值化似然值分布图，得到二值化的检测结果。本发明没有直接将各子带小波系数用作特征，避免了高维特征矢量的计算复杂性；特征融合步骤中考虑了低频信息的影响，避免灰度变化平缓的缺陷被漏检；将小波分析与Gumbel模型结合，把缺陷检测问题转化成假设检验问题，检测精度高。
-
公开(公告)号：CN108318491B
公开(公告)日：2020-07-28
申请号：CN201711262071.9
申请日：2017-12-04
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于频谱曲率分析的织物缺陷检测方法，包含如下步骤：消除纹理背景频率分量：通过对织物图像的频谱曲率特征进行掩模屏蔽，从而消除属于周期性纹理背景部分的频率分量，得到仅包含缺陷信息的残余频谱；多通道滤波：采用多通道滤波器组对前述残余频谱进行频域滤波，从而分离和增强位于各不同频段的缺陷特征；阈值分割与融合：对前述滤波输出图像进行阈值分割，通过按位“或”操作融合分割结果，得到最终单一的检测结果图。本发明不要求关于织物纹理和缺陷的先验知识，具有良好的自适应性和抗干扰能力，可有效地用于对织物缺陷的自动在线检测。
-
公开(公告)号：CN108318491A
公开(公告)日：2018-07-24
申请号：CN201711262071.9
申请日：2017-12-04
Applicant: 华南理工大学
CPC classification number: G01N21/8851 , G01N2021/8887 , G06T7/0004 , G06T7/11 , G06T7/136 , G06T7/194 , G06T2207/10004 , G06T2207/20024 , G06T2207/20056 , G06T2207/30124
Abstract: 本发明公开了一种基于频谱曲率分析的织物缺陷检测方法，包含如下步骤：消除纹理背景频率分量：通过对织物图像的频谱曲率特征进行掩模屏蔽，从而消除属于周期性纹理背景部分的频率分量，得到仅包含缺陷信息的残余频谱；多通道滤波：采用多通道滤波器组对前述残余频谱进行频域滤波，从而分离和增强位于各不同频段的缺陷特征；阈值分割与融合：对前述滤波输出图像进行阈值分割，通过按位“或”操作融合分割结果，得到最终单一的检测结果图。本发明不要求关于织物纹理和缺陷的先验知识，具有良好的自适应性和抗干扰能力，可有效地用于对织物缺陷的自动在线检测。
-
-
-
Search Results
4
records
(took 0.023 seconds)
