基于AR谱分析的织物瑕疵自动检测

被引：6

作者：

步红刚 ^{[1
]}

汪军 ^{[1
,2
]}

黄秀宝 ^{[1
,3
]}

机构：

[1] 东华大学纺织学院

[2] 东华大学纺织面料技术教育部重点实验室

[3] 东华大学纤维材料改性国家重点实验室

来源：

数据采集与处理 | 2009年 / 24卷 / 06期

关键词：

纹理分析; 织物瑕疵检测; 时间序列分析; AR谱分析; 支持向量数据描述;

D O I：

10.16337/j.1004-9037.2009.06.027

中图分类号：

TP274.4 [];

学科分类号：

摘要：

为实现快速和有效的织物瑕疵自动检测,提出了一种基于时间序列而不是图像的功率谱纹理分析方法。依据Burg au to regress ive(AR)算法估计得到谱数据,从中提取能够反映纹理周期和取向等特点的特征,并首次采用支持向量数据描述模型来检测织物瑕疵纹理。对包含多种疵点的若干织物样本的检测结果表明,依照本文所述方案能够在保持较低的误警率前提下达到较高的疵点检出率,证明了所述方案的可行性。

引用

页码：783 / 788

页数：6

共 6 条

[1] 实用数字图像处理.[M].陈书海;傅录祥编著;.科学出版社.2005,
[2] 现代信号处理.[M].张贤达著;.清华大学出版社.2002,
[3] 数字图像处理学.[M].阮秋琦编著;.电子工业出版社.2001,
[4] Support vector data description
Tax, DMJ
Duin, RPW
[J]. MACHINE LEARNING, 2004, 54 (01) : 45 - 66
[5] Finding defects in texture using regularity and local orientation
Chetverikov, D
Hanbury, A
[J]. PATTERN RECOGNITION, 2002, 35 (10) : 2165 - 2180
[6] Estimating the support of a high-dimensional distribution
Schölkopf, B
Platt, JC
Shawe-Taylor, J
Smola, AJ
Williamson, RC
[J]. NEURAL COMPUTATION, 2001, 13 (07) : 1443 - 1471

← 1 →