采用Gabor滤波簇和等距映射算法的织物疵点检测方法

为提高织物疵点检测率,将Gabor滤波法与等距映射方法进行融合,克服疵点检测过程中存在的问题。首先用由3个尺度和5个方向组成的15个Gabor滤波器簇对织物疵点图像进行滤波,减少疵点图像光照不均和对比度低的影响;然后将滤波图像划分成面积相等且互不重合的邻域,并从邻域中提取高维特征向量。采用等距映射方法对高维特征向量进行降维,剔除高维特征中冗余信息,强化分类器拟合能力;再用低维嵌入模型提取新增样本低维特征向量,用于概率神经网络分类器分类,检测是否存在疵点;最后用2种不同纹理的织物进行检测实验。结果表明,本文方法能有效提高疵点的检测精度。

基于改进监督LLE算法的故障特征提取方法

针对现有监督局部线性嵌入算法在低维输出向量重构过程中监督学习能力弱,不利于故障特征提取的问题,通过利用训练样本类标签信息扩大不同类样本间平均距离的方式,增加低维输出向量重构模型的监督学习能力,强化同类样本的聚集性和异类样本的互斥性。基于规范切割准则和低维输出向量重构误差,应用离散粒子群优化算法优化折中系数α和β、以及嵌入维数和邻域等参数,提高故障特征提取精度。将改进的监督局部线性嵌入方法应用于轴承故障特征提取,结果表明推荐方法的特征提取精度较高。

改进频率调谐显著算法在疵点辨识中的应用

为提高疵点检测效率和准确率,提出用改进频率调谐显著(FT)算法替代Gabor小波方法预处理疵点图像,强化疵点特征向量灵敏度。分析了FT算法中高斯滤波器模板、Lab颜色空间、高斯滤波图像中椒盐噪声和HSV颜色空间不同通道取值范围不一致对疵点识别的影响,并提出了相应改进方法。利用改进FT算法进行图像显著处理;使用灰度共生矩阵方法对疵点显著图进行特征提取;利用概率神经网络分类器分类,检测是否存在疵点。对2种不同纹理面料的检测结果表明:改进FT算法较改进前计算时间增加约8%,但疵点检测准确率提高18%~25%;与Gabor小波相比,检测准确率基本持平,但计算时间缩短约70%。

改进频率调谐显著算法在疵点图像分割中的应用

为提高织物疵点分割精度,提出了一种用于织物疵点图像分割的改进频率调谐显著(FT)算法。首先,利用织物疵点和背景区域透光率的不同,将光源和相机分别置于织物两侧来获取图像,提高疵点区域对比度;其次,应用非局部均值滤波器(NLM)替代FT算法中的高斯滤波器,增强对背景纹理的平滑和降噪能力;研究发现NLM滤波器中滤波参数对疵点分割精度影响较大,提出了基于平均最大类间方差的参数优化方法;然后,将改进FT算法应用于疵点图像预处理,进一步提高疵点对比度;最后,使用最大类间方差法对疵点显著图进行分割。对2种不同织物疵点图像的分割实验结果表明,使用改进FT算法对粗经、竹节、结头、断纬、油污和破洞等常见疵点图像进行预处理,可显著提高疵点分割精度。

Detection of fabric defects based on frequency-tuned salient algorithm

The correct rate of detection for fabric defect is affected by low contrast of images. Aiming at the problem,frequencytuned salient map is used to detect the fabric defect. Firstly,the images of fabric defect are divided into blocks. Then,the blocks are highlighted by frequency-tuned salient algorithm. Simultaneously,gray-level co-occurrence matrix is used to extract the characteristic value of each rectangular patch. Finally,PNN is used to detect the defect on the fabric image. The performance of proposed algorithm is estimated off-line by two sets of fabric defect images. The theoretical argument is supported by experimental results.