基于PCNN的织物疵点识别研究.pdf
《基于PCNN的织物疵点识别研究.pdf》由会员分享,可在线阅读,更多相关《基于PCNN的织物疵点识别研究.pdf(3页珍藏版)》请在三一文库上搜索。
1、第2 5 卷第6 期 纺织学报 v 0 1 2 5 N o 6 2 0 0 4 年1 2 月 J o u m a l0 fT e x t i l eR e s e a r c h D e c 2 0 0 4 = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = ;= = = = = = = = = = = = = = = = = = = = = = 一= :一 基于P C N N 的织物疵点识别研究 张瑞林徐轶峰 ( 浙江理工大学软件工程研究所,杭州,3 1 0 0 1 8 ) 摘 要:根据织物表面图像的灰度强度和织物疵点图
2、像的灰度强度的不同,运用P C N N 对织物疵点进行自动检测。从理论上分析 P c N N 模型,并用其对织物疵点进行特征的提取,证明P c N N 在自动检测过程中的适用性,以及P C N N 模型中迭代次数对实验结果 的影响。 关键词:织物疵点p c N N 特征迭代次数 中图分类号:T s1 0 1 9 7文献标识码:A文章编号:0 2 5 3 9 7 2 l ( 2 0 0 4 】0 6 0 0 6 9 0 3 织物疵点是影响产品质量的重要因素,它不仅 包括织造过程中所产生的经缩、纬缩、断经、筘路、跳 花、烂边、油渍等,还包括原材料所带人的缺陷与瑕 疵。目前,织物疵点的检测主要是依赖
3、于人眼的识 别。由于人的生理、心理等原因以及外界的环境干 扰,使得人工检测效率低,达不到所要求的精度。本 文针对织物表面图像的灰度强度和织物疵点图像的 灰度强度的不同,应用脉冲耦合神经网络( P c N N P u l s e dc o u p l e dN e u r a lN e t w o r k ) 对织物疵点图像的特 征进行提取和分析,从迭代次数上实现快速、准确的 分辨出织物疵点。 1P C N N 模型 1 1P C N N 的基本模型 E c k h o m E1 9 8 9 年根据猫的大脑皮层 同步脉冲发放现 象2 1 ,提出了脉冲发 放现象的连接模型。 人们经过相似实验, 图
4、1 单个P c N N 神经元的模型 得到了P C N N 模型,如图1 所不。 其相应的数学方程式为: 凡( n ) = e x p ( 一a ,) 凡( n 一1 ) + s u + K 坞“巧( n 一1 ) ( 1 ) 岛( n ) = e x p ( 一a 。) 岛( n 一1 ) + K 既“蹦n 一1 ) ( 2 ) ( n ) = 凡( n ) ( 1 + 阻( n ) ) ( 3 ) 艮( n ) = rK f = f l K K ( n 一1 ) + e x p ( 一训钆( n 一1 ) t 。 停止发放脉冲;然后,阈值钆开始按时间指数 下降,当钆u 又产生脉冲,P c
5、N 被点火。 P c N 产生脉冲,与其相邻的P c N s 由于其激发也 点火发放脉冲,这样就产生了以最初点火P C N 为中 心的脉冲群。当一个或数个P c N 点火,输出的脉冲 信号可使相邻的P c N s 迅速点火,从而这一群P c N s 几乎同时发放脉冲或同时熄火,则称为这一群P C N s 可同步发放脉冲。 ( 4 ) 浙江省自然科学基金资助项目( z J6 0 2 0 1 4 ) 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermark 【7 0 】 纺织学
6、报2 0 0 4 年第6 期 1 2P C N N 模型在图像中的应用 P C N N 是根据对动物的大脑视觉皮层同步脉冲 发放所获得的实验结果分析得到的,可应用于图像 处理和识别。用P c N N 处理图像时,是将彤的 二维图像看作为M 个P c N s 组成的脉冲耦合神 经网络( P c N N ) 模型。各P c N 与图像中的像素一一 对应,且每个像素与相邻的像素链接。P c N N 模型 初始化为0 ,像素的灰度作为P c N 的外部输入L ,因 而第一次所有的像素均产生脉冲( 即点火) ,同时设 定K 值,使 ,。从而使像素熄火;随着迭代次 数的增加,按指数衰减,同时由于像素与像素
7、的 链接,。变为u “ 当疗。u “ 该像素再次点火发放 脉冲。 像素的点火使得相邻像素在下一时刻点火,称 之为像素的捕获点火。一像素的点火可激励相邻像 素灰度相近的像素点火,称之为像素的集体点火。 P c N N 的捕获点火的实质是具有相近灰度的不同像 素和不同灰度的不同像素通过像素是否点火来二值 分类,从而实现了图像的分割和特征提取。 1 3P C N N 模型中的参数 众所周知,P C N N 模型中的参数较多,模型参数 问的交互关系到目前仍不清楚,给P C N N 模型的应 用带来了困难。但由于P c N N 是一个单层的神经网 络,不需要学习过程,因而比传统的多层神经网络更 适合于实
8、时的图像处理。为了快速、准确地找出织 物疵点,根据P c N N 模型的原理,可认为迭代次数是 影响耗时的一个重要参数,因此本文对迭代次数进 行分析。 2 实验结果与分析 2 1实验环境 在w i n d o w s2 0 0 0 平台上,应用本算法在M a t l a b 6 5 中运算,对织物疵点图进行处理。 织物疵点图取自于织造过程中产生的经疵和废 丝产品,图像用数码相机拍摄获得。 因P c N N 模型的参数间关系复杂,根据实验,得 到了一组较为理想的参数,固定这些参数( 见表1 ) , 来讨论迭代次数的作用。 襄1 实验参数表 参数 aF 口, o e y F K b 口 r 参数值
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 PCNN 织物 疵点 识别 研究
链接地址:https://www.31doc.com/p-3704198.html