一种新的Gabor优化选择检测算法及应用

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (5): 4-6.

一种新的Gabor优化选择检测算法及应用

李益红1，2，卢朝阳1，李静1，李太君2，崔玲玲1

1.西安电子科技大学综合业务网理论与关键技术国家重点实验室，西安　710071
2.海南大学信息科学技术学院，海口 570228

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-02-11 发布日期:2012-02-11

New optimal Gabor wavelets detection algorithm and application

LI Yihong1，2, LU Zhaoyang1, LI Jing1, LI Taijun2, CUI Lingling1

1.State Key Lab of Integrated Service Networks, Xidian University, Xi’an 710071, China
2.College of Information Science & Technology, Hainan University, Haikou 570228, China

Received:1900-01-01 Revised:1900-01-01 Online:2012-02-11 Published:2012-02-11

摘要/Abstract

摘要： 针对基于Gabor小波的布匹瑕疵检测运算量大，准确率较低等问题，提出了一种新的优化选择算法，即均值归一化方差算法。布匹瑕疵图像通过多通道Gabor小波；分别计算各通道滤波图像的均值和方差；计算方差与均值的比值，选择比值最大的通道作为优化选择通道。考虑到布匹瑕疵主要表现为经向与纬向瑕疵，因此基于该算法设计了1×2二维Gabor小波布匹瑕疵自动检测系统，降低了运算量，提高了准确率，达到了93%。

关键词: Gabor, 布匹瑕疵, 优化选择

Abstract: Aimed at the problems of the amount of computational load and low accuracy of Gabor wavelet for fabric defect detection, a new optimal objective function which is variance per unit mean is proposed. Fabric defect image with a multi-channel Gabor wavelet is filtered. The mean and variance of each filtered defect image are calculated. The rate between the variance and mean of each filtered image is calculated respectively. The maximal value of channel is selected as the optimal channel. The characteristics of fabric defect are almost either warp or weft defect. On the basis of the optimal objective function, an automated inspection system for fabric defect based on the optimal 1×2 2D Gabor wavelet is presented. Experimental results show that it lowers the computational load, and the accuracy is as high as 93%.

Key words: Gabor, fabric defect, optimal function

李益红1，2，卢朝阳1，李静1，李太君2，崔玲玲1. 一种新的Gabor优化选择检测算法及应用[J]. 计算机工程与应用, 2012, 48(5): 4-6.

LI Yihong1，2, LU Zhaoyang1, LI Jing1, LI Taijun2, CUI Lingling1. New optimal Gabor wavelets detection algorithm and application[J]. Computer Engineering and Applications, 2012, 48(5): 4-6.

[1]	袁小平，崔棋纹，程干，张侠，张毅，王溯源. 改进型Gabor自商图算法及其在人脸识别中的应用[J]. 计算机工程与应用, 2020, 56(5): 206-213.
[2]	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.
[3]	梁华刚，张志伟，王亚茹. 自适应Gabor卷积核编码网络的表情识别方法[J]. 计算机工程与应用, 2020, 56(10): 149-156.
[4]	陈文兵1，2，刘小明1，王宏斌2，陈允杰1. G-CNN模型在浓雾天气形势识别中的应用[J]. 计算机工程与应用, 2019, 55(8): 124-131.
[5]	赵宏威，王亦红. 基于改进Gabor优化选择的布匹瑕疵检测方法[J]. 计算机工程与应用, 2019, 55(24): 202-207.
[6]	陈长倩，慕晓冬，牛犇，王立志. 结合高斯分布的改进二进制灰狼优化算法[J]. 计算机工程与应用, 2019, 55(13): 145-150.
[7]	王玮婧，张雪锋. 基于Gabor滤波器与LDP掌纹可撤销模板生成方法[J]. 计算机工程与应用, 2018, 54(9): 89-95.
[8]	姚琼1，徐翔1，2，邹昆1. 基于3D Gabor多视图主动学习的高光谱图像分类[J]. 计算机工程与应用, 2018, 54(22): 197-204.
[9]	李亚楠，张雪锋. 基于安全概略的可撤销掌纹模板生成算法[J]. 计算机工程与应用, 2018, 54(18): 115-120.
[10]	姜文，刘立康. 基于联合两种特征的手写体维文字符识别[J]. 计算机工程与应用, 2017, 53(5): 192-196.
[11]	王松，党建武，王阳萍，杜晓刚. 实时动作识别方法研究[J]. 计算机工程与应用, 2017, 53(3): 28-31.
[12]	王晓华，杨清梅，杨涛. 改进的Gabor变换和二维NMF融合的人脸识别[J]. 计算机工程与应用, 2017, 53(21): 132-137.
[13]	陈熙1，2，张戈1. 基于非高斯二维Gabor滤波器的生物特征提取算法[J]. 计算机工程与应用, 2017, 53(18): 170-175.
[14]	刘斌，徐岩，米强，徐运杰. 融合Gabor和Gist特征的人脸识别[J]. 计算机工程与应用, 2017, 53(15): 217-221.
[15]	依玉峰1，2，田宏1，刘彤宇2. 直方图重建图像细节增强算法[J]. 计算机工程与应用, 2017, 53(13): 29-33.