基于自适应形态学滤波器的布匹瑕疵检测算法

J4 ›› 2012, Vol. 30 ›› Issue (2): 157-163.

基于自适应形态学滤波器的布匹瑕疵检测算法

李刚¹|杨欣¹|唐庭阁¹|费树岷²

1.南京航空航天大学自动化学院|南京210016；2.东南大学自动化学院|南京210016

收稿日期:2011-11-22 出版日期:2012-03-28 发布日期:2012-04-19
作者简介:李刚（1987—）|男|江苏连云港人|南京航空航天大学硕士研究生|主要从事模式识别与图像处理、目标检测与跟踪研究|(Tel)86-15950528692（E-mail）turolee@126.com;杨欣（1978—）|男,江苏镇江人|南京航空航天大学副教授|主要从事超分辨率、人脸识别、目标检测与跟踪研究|(Tel)86-25-84892305（E-mail）yangxin@nuaa.edu.cn。
基金资助:
国家自然科学基金资助项目(60905009)；高等学校博士学科点专项科研基金资助项目(20093218120015)；南京航空航天大学基本科研业务费专项科研基金资助项目(NS2010081)

Fabric Defect |Detection Based on Adaptive Morphological Filter Algorithm

LI Gang¹|YANG Xin¹|TANG Ting-ge¹|FEI Shu-min²

Received:2011-11-22 Online:2012-03-28 Published:2012-04-19

摘要/Abstract

摘要：

针对布匹瑕疵检测算法中运算量大、自适应差的问题，利用布匹纹理周期性变化特性，自适应地构建结构元素，实现形态学运算；采用基于像素面积的阈值选择
定位瑕疵位置。在不改变检测准确率的同时减少了运算时间。实验结果表明，该算法所确定的瑕疵位置与主观视觉吻合，相比经典算法，误检率、错误率均降低了4%。

关键词: 重建结构元素, 形态学滤波, 自适应阈值选择, 瑕疵检测

Abstract:

Considering the disadvantages of large calculation and bad adaption,periodic change of fabrics texture was used.Base on that, morphological filtering is carried out and the threshold is confirmed by using pixel area,then the defects position is found.As a result,it will not affect the veracity and improve the computational speed.The experimental results show that the defect position is in accord with human subjective vision decreasing the error rate by 4%.

Key words: construct the structuring element, morphological filter, adaptive threshold selection, defect detection

中图分类号:

TP391.4

李刚|杨欣|唐庭阁|费树岷. 基于自适应形态学滤波器的布匹瑕疵检测算法[J]. J4, 2012, 30(2): 157-163.

LI Gang,YANG Xin,TANG Ting-ge,FEI Shu-min. Fabric Defect |Detection Based on Adaptive Morphological Filter Algorithm[J]. J4, 2012, 30(2): 157-163.

[1]	王磊\|刘艳\|夏娟. 基于二叉级联结构的并行极速学习机算法[J]. J4, 2012, 30(4): 418-.
[2]	翟红艺\|王春民\|张晶\|尹晶\|乔良. 基于织物电极的心电监测系统[J]. J4, 2012, 30(2): 185-191.
[3]	王磊\|刘艳. 基于约束Laplacian分值的半监督特征选择算法[J]. J4, 2010, 28(04): 404-.
[4]	王峰,刘晓丹,黄万风. 基于特征提取算法下点细胞的识别侦测实现[J]. J4, 2009, 27(03): 299-.
[5]	宋立明, 李秀华, 李万龙. 基于计算机视觉的储备粮智能稽核方法[J]. J4, 2013, 31(1): 107-112.