版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、 在機(jī)器視覺(jué)檢測(cè)簾子布疵點(diǎn)的過(guò)程中,疵點(diǎn)多樣性是簾子布進(jìn)行等級(jí)判定的重要指標(biāo)。傳統(tǒng)的疵點(diǎn)檢測(cè)受限于傳感器的精度和機(jī)器視覺(jué)算法的有效性,雖然能夠簡(jiǎn)單識(shí)別出織物疵點(diǎn),但卻很難精確描述出織物疵點(diǎn)的種類。采用新技術(shù)和行之有效的算法,以較低的硬件成本,提升機(jī)器視覺(jué)檢測(cè)織物疵點(diǎn)的準(zhǔn)確性和有效性是非常有實(shí)際意義的。
通過(guò)對(duì)已有圖像識(shí)別算法的分析表明,機(jī)器視覺(jué)對(duì)織物疵點(diǎn)進(jìn)行識(shí)別分類可以歸納為:首先利用適當(dāng)?shù)奶卣魈崛》椒ㄌ崛〈命c(diǎn)圖像特征,然
2、后根據(jù)疵點(diǎn)特征選擇合適的分類器對(duì)織物疵點(diǎn)進(jìn)行識(shí)別和分類。本文通過(guò)對(duì)已有疵點(diǎn)圖像數(shù)據(jù)庫(kù)分析,利用最新提出的壓縮感知知識(shí)和疵點(diǎn)圖像的二維結(jié)構(gòu)特征對(duì)簾子布疵點(diǎn)數(shù)據(jù)進(jìn)行二維稀疏表示,對(duì)不具有稀疏性的疵點(diǎn)數(shù)據(jù)使用稀疏基進(jìn)行稀疏化,在此基礎(chǔ)上提出了基于稀疏感知字典的特征提取方法,隨后對(duì)提取到的特征值通過(guò)尋找合適的范數(shù)進(jìn)行優(yōu)化。最后通過(guò)比較幾種常用的圖像識(shí)別分類器,提出帶有流形信息的稀疏表示算法以及利用稀疏表示分類器與感知字典特征提取相結(jié)合的算法對(duì)簾
3、子布織物疵點(diǎn)圖像進(jìn)行有監(jiān)督分類,由此得到簾子布疵點(diǎn)的分類信息。
在織物疵點(diǎn)圖像的快速識(shí)別分類過(guò)程中,已有的圖像識(shí)別算法如:灰度直方圖算法誤檢率高,BP 神經(jīng)網(wǎng)絡(luò)算法需要龐大的訓(xùn)練樣本計(jì)算量大。隨著圖像獲取技術(shù)的發(fā)展,利用疵點(diǎn)圖像的稀疏性和流形信息,提出的基于稀疏表示和向量范數(shù)優(yōu)化的織物疵點(diǎn)檢測(cè)算法,減少了數(shù)據(jù)的冗余計(jì)算量大大減少同時(shí)受外界干擾較小,能夠快速有效地檢測(cè)出簾子布疵點(diǎn)并對(duì)其進(jìn)行分類識(shí)別。因此這種圖像識(shí)別算法更適合復(fù)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于稀疏表示的織物疵點(diǎn)檢測(cè)算法研究.pdf
- 基于稀疏表示的二維波達(dá)方向估計(jì).pdf
- 二維形狀表示及分類方法研究.pdf
- 基于稀疏表示的二維碼圖像超分辨復(fù)原研究.pdf
- 基于最小一范數(shù)的稀疏表示音樂(lè)流派與樂(lè)器分類算法研究.pdf
- 基于ι0范數(shù)優(yōu)化算法的簾子布疵點(diǎn)圖像識(shí)別分類研究.pdf
- 基于稀疏表示的紋理分類方法研究.pdf
- 基于稀疏表示和集成學(xué)習(xí)的若干分類問(wèn)題研究
- 基于小波變換和SVM的織物疵點(diǎn)檢測(cè)與分類.pdf
- 向量范數(shù)和矩陣范數(shù)
- 二維稀疏表示的人臉超分辨率重構(gòu)算法研究.pdf
- 基于稀疏表示的圖像分類方法研究.pdf
- 基于支持向量機(jī)和稀疏表示的文字區(qū)域檢測(cè)方法研究.pdf
- 基于稀疏表示和半監(jiān)督主動(dòng)學(xué)習(xí)的小樣本高光譜數(shù)據(jù)分類問(wèn)題研究.pdf
- 基于神經(jīng)反應(yīng)模型和稀疏表示的圖像分類算法研究.pdf
- 基于小波和極速學(xué)習(xí)機(jī)的織物疵點(diǎn)檢測(cè)和分類.pdf
- 基于稀疏表示的圖像目標(biāo)分類方法研究.pdf
- 基于稀疏表示分類器的和弦識(shí)別研究.pdf
- 基于低秩稀疏矩陣分解的織物疵點(diǎn)檢測(cè)算法研究.pdf
- 基于稀疏表示的高光譜圖像分類和異常檢測(cè)研究.pdf
評(píng)論
0/150
提交評(píng)論