PCA-NLM的纺织品缺陷检测
在纺织品自动检测过程中,采集的图像容易受到噪声及织物表面材质的干扰,为解决这一问题,提出一种混合方法进行纺织品缺陷检测,将图像增强和缺陷检测方法进行混合处理,在非局部均值滤波算法(NLM)的相似度评价中引入主成分分析(PCA)进行去噪处理,采用的PCA-NLM混合模型有效增强了缺陷区域的灰度共生矩阵纹理特征,提高了缺陷纹理和无缺陷纹理之间的类可分离性.通过对7类缺陷的纺织品图像检测实验分析表明,相比单一的非混合方法,本文的混合模型有效提高了纺织品缺陷的检测正确率.
纺织品缺陷、纹理增强、类可分离性、非局部均值、主成分分析
18
TP391.41(计算技术、计算机技术)
国家自然科学基金项目41076120,60672120,61005007;安徽省优秀青年科技基金项目10040606Y09;合肥工业大学计算机与信息学院人才培养计划2010HGXJ0017;中央高校基本科研业务费专项资基金项目2011HGQC1014,2012HGBZ0202
2014-01-15(万方平台首次上网日期,不代表论文的发表时间)
共8页
1574-1581