[发明专利]一种基于稳定学习字典的机织物纹理瑕疵检测方法有效
| 申请号： | 201711297547.2 | 申请日： | 2017-12-08 |
| 公开（公告）号： | CN108230299B | 公开（公告）日： | 2020-02-11 |
| 发明（设计）人： | 汪军;吴莹;史倩倩;范居乐;江慧;肖岚;李冠志 | 申请（专利权）人： | 东华大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G01N21/88 |
| 代理公司： | 31303 上海统摄知识产权代理事务所(普通合伙) | 代理人： | 金利琴 |
| 地址： | 201620 上*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于稳定学习字典的机织物瑕疵检测方法，将整幅机织物纹理图像分解为多个子图像后，判别出含有瑕疵的子图像，进而由含有瑕疵的子图像的位置信息确定织物瑕疵的位置；瑕疵的判别是通过比较子图像和重构子图像实现的，所有的子图像展开为列向量后进行联合得到样本图像矩阵，通过选用离散余弦变换作为初始字典，采用交替最小二乘法对样本图像矩阵进行字典学习，再应用字典学习得到的字典和系数矩阵对样本图像矩阵进行重构得到重构样本图像矩阵，重构样本图像矩阵的列向量转化即得重构子图像。本发明的基于稳定学习字典的机织物瑕疵检测方法，不仅计算方便快捷而且对不同纹理瑕疵均有很好地自适应性。 | ||
| 搜索关键词： | 子图像 矩阵 样本图像 重构 字典 机织物 瑕疵 瑕疵检测 字典学习 纹理 列向量 离散余弦变换 位置信息确定 最小二乘法 纹理图像 系数矩阵 织物瑕疵 自适应性 学习 分解 图像 转化 应用 联合 | ||
【主权项】：
1.一种基于稳定学习字典的机织物瑕疵检测方法，其特征是：将整幅机织物纹理图像分解为多个子图像后，判别出含有瑕疵的子图像，进而由含有瑕疵的子图像的位置信息确定织物瑕疵的位置；/n瑕疵的判别是通过比较子图像和重构子图像实现的，所有的子图像展开为列向量后进行联合得到样本图像矩阵，通过选用离散余弦变换作为初始字典，采用交替最小二乘法对样本图像矩阵进行字典学习，再应用字典学习得到的字典和系数矩阵对样本图像矩阵进行重构得到重构样本图像矩阵，重构样本图像矩阵的列向量转化即得重构子图像；/n所述的一种基于稳定学习字典的机织物瑕疵检测方法，具体步骤如下：/n(1)图像处理；/n先将整幅机织物纹理图像等分为n个按行和列排列的子图像后，从1到n开始编号，每行的编号从左到右递增，每列的编号自上而下递增，每个子图像都有其对应的编号、行号和列号，再将每个子图像展开为列向量，n个列向量联合组成样本图像矩阵Y，Y＝[y
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于东华大学，未经东华大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711297547.2/，转载请声明来源钻瓜专利网。
- 上一篇：自动的车辆泄漏探测
- 下一篇：用于处理超声图像的装置和方法
