基于离散小波变换的织物疵点检测方法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (25): 111-113.

基于离散小波变换的织物疵点检测方法

祝双武，郝重阳

西北工业大学电子信息学院，西安 710072

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-09-01 发布日期:2007-09-01
通讯作者: 祝双武

Fabric defect detection method based on discrete wavelet transform

ZHU Shuang-wu，HAO Chong-yang

College of Electronic Information，Northwestern Polytechnical University，Xi’an 710072，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-09-01 Published:2007-09-01
Contact: ZHU Shuang-wu

摘要/Abstract

摘要： 提出了一种基于离散小波变换的织物疵点检测新方法。首先通过对采集织物图像进行小波变换，然后把子图分割为相互连接、互不交叠的子窗口，计算每个子窗口小波系数的标准差作为特征值，最后对这些特征值再次计算标准差与极差，以此作为依据与正常织物进行比较，实现对织物疵点的检测。通过对不同疵点进行检测实验，证明了该算法是可行有效的，检测的正确率平均可达90%以上。

关键词: 小波变换, 疵点检测, 纹理, 织物

Abstract: An innovative method for fabric defect detection using discrete wavelet transform is put forward.Firstly，acquiring fabric images is decomposed into four sub-images by wavelet transform.Secondly，after sub-images segmented into many sub-windows without overlapping，standard deviation of those sub-windows are calculated as features.Lastly，standard deviation and largest deviation of those features are calculated again.Fabric defects are detected by differences of standard deviation and largest deviation between image with default and image without default.Validity and feasibility of this method is proved by detected different fabric defect in our experiment，and the detection average accuracy is above 90%.

Key words: wavelet transform, defect detection, texture, fabric

祝双武，郝重阳. 基于离散小波变换的织物疵点检测方法[J]. 计算机工程与应用, 2007, 43(25): 111-113.

ZHU Shuang-wu，HAO Chong-yang. Fabric defect detection method based on discrete wavelet transform [J]. Computer Engineering and Applications, 2007, 43(25): 111-113.

[1]	陈明月，刘三阳. 自适应流形学习在故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(3): 247-252.
[2]	安卫超，阎婷，张楠，张杉，相洁，曹锐，王彬. 病理图像纹理分析在胃癌MSI预测中的应用研究[J]. 计算机工程与应用, 2021, 57(24): 205-211.
[3]	杜秀丽，马振倩，邱少明，吕亚娜. 基于卷积注意力机制的运动想象脑电信号识别[J]. 计算机工程与应用, 2021, 57(18): 181-185.
[4]	阿力木·安外尔，张大旭，何巍，陈务军，王笑妍，周群超，罗一栋，陈能夫，孙鲲鹏. 基于深度学习的涂层织物折皱识别与检测[J]. 计算机工程与应用, 2021, 57(14): 116-125.
[5]	范文兵，孙志远. 基于小波域广义高斯分布的SAR图像分割算法[J]. 计算机工程与应用, 2020, 56(5): 222-226.
[6]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.
[7]	刘天，曾亮. 纹理抑制的光照不均图像配准算法研究[J]. 计算机工程与应用, 2020, 56(23): 180-188.
[8]	赵艳，左保齐. 机器视觉在织物疵点检测上的应用研究综述[J]. 计算机工程与应用, 2020, 56(2): 11-17.
[9]	宫睿，王小春. 基于可协调经验小波变换的多聚焦图像融合[J]. 计算机工程与应用, 2020, 56(2): 201-210.
[10]	陈熙，道尔吉，李运兰，韦立，夏道勋，熊祥光. 多方向局部相位量化模式及纹理分类[J]. 计算机工程与应用, 2020, 56(13): 216-222.
[11]	田宸玮，王雪纯，杨嘉能，钱育蓉. 织物瑕疵检测方法研究进展[J]. 计算机工程与应用, 2020, 56(12): 8-18.
[12]	刘颖，刘倩，李大湘，杨文宗. 基于PTM模型文物纹理映射算法[J]. 计算机工程与应用, 2020, 56(12): 209-214.
[13]	邓宇，谌贵辉，李忠兵，张军豪，亢宇欣，夏旭洪. 基于颜色与边缘融合的非局部立体匹配算法[J]. 计算机工程与应用, 2020, 56(10): 199-204.
[14]	杨燕，王慧青，焦越. 结合视点变换的三维地形无缝绘制算法[J]. 计算机工程与应用, 2020, 56(1): 238-243.
[15]	丁华，王晓东，章联军，陈晓爱，赖佩霞. 基于SLIC融合纹理和直方图的图像显著性检测[J]. 计算机工程与应用, 2019, 55(3): 159-166.