基于灰度共生矩阵的帘子布疵点检测研究

详细介绍了灰度共生矩阵的原理,讨论了帘子布的灰度共生矩阵像素点对方向、距离以及图像灰度等级对灰度共生矩阵的影响,确定了区分正常帘子布与带疵点帘子布的灰度共生矩阵的构造方法。对正常帘子布图像进行了纹理分析、特征参数统计,确定了正常帘子布像素方向、像素距离以及图像灰度等级。实验结果表明,按照上述规则生成的四个灰度共生矩阵的特征参数,能够准确地判断帘子布图像是否存在疵点。

基于灰度剖面直方统计的帘子布疵点识别研究

提出了运用帘子布图像的直线纹理特征,由概率统计生成灰度剖面直方统计图,有效地提取了帘子布图像的特征波形.波形特征参数对比能准确定位帘子布纹理结构的异常位置,正确识别帘子布疵点.该方法用于帘子布的缺陷检测,具有识别能力强、实时性好等优点,可以用于检测有规则纹理结构的物体表面及物体.

基于LBP算子和BP神经网络的帘子布疵点识别算法研究

本文给出了一种基于LBP算子和BP神经网络的帘子布疵点识别方法。该方法首先讨论了LBP算子原理,然后对帘子布样本图像进行LBP运算,得到对应LBP值的归一化直方图,再通过这些LBP直方图对BP神经网络进行训练,最后采用已训练的BP神经网络进行帘子布疵点识别。实验结果证明,该方法可准确识别出帘子布浆斑、稀经、粘并、断经和劈缝等疵点。

基于BP神经网络的帘子布疵点分类器的设计

该文给出了一种基于BP神经网络的帘子布疵点识别方法。该方法首先讨论了LBP算子原理,然后对帘子布样本图像进行LBP运算,得到对应LBP值的归一化直方图,再通过这些LBP直方图对BP神经网络进行训练,最后采用已训练的BP神经网络进行帘子布疵点识别。实验结果证明,该方法可准确识别出帘子布浆斑、稀经、粘并、断经和劈缝等疵点。