版權(quán)說明: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),請進行舉報或認領(lǐng)
文檔簡介
1、織物瑕疵是影響紡織品生產(chǎn)效率和質(zhì)量的關(guān)鍵因素,傳統(tǒng)瑕疵檢測主要依靠人工視覺檢測。隨著機器視覺、圖像處理、模式識別等技術(shù)的迅速發(fā)展,工業(yè)自動化檢測代替?zhèn)鹘y(tǒng)人工視覺檢測成為一種必然的趨勢。自動檢測技術(shù)能夠大大提高檢測的精度和效率,因此研究織物瑕疵自動檢測技術(shù)具有重要的實際應(yīng)用價值。
鑒于人眼能夠準確快速地從視野中提取較為顯著的目標,本文以此為出發(fā)點,研究了一種基于視覺顯著模型與支持向量機的織物瑕疵檢測方法。
首先,通過建
2、立視覺顯著模型生成織物圖像的視覺顯著圖,并對顯著區(qū)域進行分割。本文根據(jù)人眼視覺系統(tǒng)的構(gòu)成、視覺注意機制形成的基本原理,構(gòu)建了基于 Itti模型的視覺顯著模型,從而得出織物圖像的視覺綜合顯著圖。然后利用 Otsu法對綜合顯著圖進行二值化分割,得到視覺顯著區(qū)域。
然后,在分析視覺綜合顯著圖的基礎(chǔ)上,實現(xiàn)有瑕疵圖像和無瑕疵圖像的判定。本文創(chuàng)新性地提出了全局顯著關(guān)聯(lián)值、背景區(qū)域顯著關(guān)聯(lián)值兩個顯著性特征,以體現(xiàn)織物綜合顯著圖的顯著性分布
3、特點。并將此二維特征輸入 SVM,實現(xiàn)有瑕疵圖像和無瑕疵圖像的判定。
為了實現(xiàn)不同瑕疵圖像的分類識別,需先對其進行特征提取與選擇。本文以類間距離與類內(nèi)距離的比值為標準,對有瑕疵圖像的幾何、紋理、顯著性等特征進行評價,選擇出實現(xiàn)分類的最優(yōu)特征組合。
最后利用多分類器對織物瑕疵進行分類。本文選用一對一投票策略將二類 SVM擴展成多類SVM,并將最優(yōu)特征組合歸一化后送入此分類器,實現(xiàn)瑕疵圖像的分類。
實驗結(jié)果表明
溫馨提示
- 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于支持向量機的布匹瑕疵分類方法研究.pdf
- 基于支持向量機的金屬表面細小瑕疵檢測算法.pdf
- 基于改進的Robust PCA模型的織物瑕疵檢測.pdf
- 復(fù)雜背景織物圖像中視覺顯著區(qū)域檢測方法研究.pdf
- 基于免疫算法和支持向量機的入侵檢測方法研究.pdf
- 基于支持向量機的SCADA系統(tǒng)入侵檢測方法.pdf
- 基于支持向量機的孤立點檢測方法研究.pdf
- 基于支持向量機和稀疏表示的文字區(qū)域檢測方法研究.pdf
- 基于多分類支持向量機的快速入侵檢測模型.pdf
- 基于支持向量機的行人檢測.pdf
- 基于支持向量機的Android惡意軟件檢測方法.pdf
- 基于支持向量機的僵尸網(wǎng)絡(luò)檢測方法的研究.pdf
- 基于支持向量機的視頻目標檢測方法研究.pdf
- 基于支持向量機的彩色圖像人臉檢測方法研究.pdf
- 基于計算機視覺和相關(guān)向量機的車輛檢測方法研究.pdf
- 支持向量機模型選擇方法研究.pdf
- 基于粒子群優(yōu)化支持向量機的入侵檢測模型研究.pdf
- 基于混合特征向量和單分類檢測器的織物瑕疵自動檢測研究.pdf
- 基于改進支持向量機的人臉檢測方法研究.pdf
- 基于支持向量機的Android惡意軟件檢測方法研究.pdf
評論
0/150
提交評論