基于局部熵的织物疵点检测与识别的研究.pdf
《基于局部熵的织物疵点检测与识别的研究.pdf》由会员分享,可在线阅读,更多相关《基于局部熵的织物疵点检测与识别的研究.pdf(2页珍藏版)》请在三一文库上搜索。
1、第 !“ 卷第 “ 期 !#$ 年 %# 月 纺织学报 %#;) 摘要: 将织物图像分成大小相同的局部窗口, 在局部熵最小的窗口区域内分割出疵点图像, 并用数字形态学中的开运算滤除噪 声, 计算疵点形状因子等作为识别参数, 此法因能避免对整幅图像进行复杂运算和提取特征参数时对图像的全局搜索, 故具有识 别准确率高、 检测速度快等优点。 关键词: 织物疵点疵点检测局部熵数字形态学 中图分类号: .$文献标识码: ? 文章编号: #!“;=A!% (!#$) #“#“A#! 织物疵点检测经常依赖人工目测完成, 检测结 果受验布人员主观因素的影响, 致使误检率、 错检率 高。自 !# 世纪 =# 年
2、代以来, 基于图像分析的织物 疵点自动检测技术已代替传统的人工视觉成为了织 物疵点检测领域研究的热点。从文献 % 得知, 疵点 检测的难点主要在于, 既要准确地识别出各类疵点 又要满足检测实时性要求。本文根据织物疵点形态 的检验知识, 将图像分成同样大小且重叠的局部窗 口, 计算每个局部窗口的熵, 选取熵最小的窗口作为 感兴趣区域, 再在感兴趣区域内进行图像分割, 对分 割得到的二值图像作数字形态学中的开运算以滤除 噪声, 然后提取形态特征因子等参数有效地识别了 缺纬、 断经、 油污、 破洞 $ 类常见疵点, 在验布机上进 行实验, 证明此方法基本满足实时检测的要求。 !图像的局部熵 熵是信息
3、论中事件出现概率的不确定性的量 度, 能有效反映事件包含的信息。对于一幅不含疵 点的织物图像而言, 其纹理特征是确定的。当有疵 点出现时, 图像的纹理特征遭到破坏, 其熵值也会发 生变化。同时, 疵点对整幅图像的熵值贡献较小, 容 易被认为是噪声, 对检测不利。而对图像分成相同 大小的局部窗口, 由于疵点的灰度变化会引起局部 熵值的极大变化, 容易检测疵点的存在。首先给出 局部熵的定义: 设 ! (“, #) 为图像中点 (“, #) 处的灰 度值, 对于一幅 $ B % 大小的图像, 定义点 (“, #) 的 灰度分布 ) 式 (;) 省去了对数运算, 加快了计算局部熵的速 度, 提高了系统
- 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 局部 织物 疵点 检测 识别 研究
链接地址:https://www.31doc.com/p-3704629.html