基于傅里叶特征谱和相关系数的织物疵点检测

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (19): 182-186.

基于傅里叶特征谱和相关系数的织物疵点检测

朱丹丹，潘如如，高卫东

江南大学纺织与服装学院，江苏无锡 214122

出版日期:2014-10-01 发布日期:2014-09-29

Fabric defect detection using characteristic spectrum of Fourier transform and correlation coefficient

ZHU Dandan, PAN Ruru, GAO Weidong

School of Textiles and Clothing, Jiangnan University, Wuxi, Jiangsu 214122, China

Online:2014-10-01 Published:2014-09-29

摘要/Abstract

摘要： 为提高织物疵点自动检测的准确度，提出一种基于傅里叶特征谱和相关系数的织物疵点检测算法。以平纹、斜纹织物为研究对象，对织物图像进行傅里叶变换，得到织物图像的频谱图；定位频谱中的特征峰点，提取表征图像灰度、纹理的五个特征值；以正常织物为模板，计算待检图像特征值与模板图像特征值之间的相关系数，确定用于识别织物疵点的阈值，来实现织物疵点检测。实验结果表明：当阈值设定为0.80时，该算法能够实现稀密路、断经、吊经、纬缩、破洞等常见疵点的准确检测。

关键词: 织物图像, 傅里叶特征谱, 相关系数, 疵点检测

Abstract: A detection algorithm based on characteristic spectrum of Fourier transform and correlation coefficient is put forward to improve the accuracy of automatic fabric defect detection. With plain weave and twill fabrics as the researched objects, the frequency spectrum diagram of fabric image can be obtained by Fourier transform. The characteristic peaks in the spectrum are located and five characteristic parameters of image gray and texture are extracted. Correlation coefficients between characteristic parameters of being detected images and the template image are calculated using the faultless fabric as a template, and then the threshold value of defect detection is determined to realize the defect detection. Experimental results show that the algorithm proposed in this paper can achieve accurate detection of common defect, such as weft crackiness, cracked ends, stretched warp, looped weft, holes and so on, when the threshold is set as 0.80.

Key words: fabric image, characteristic spectrum of Fourier transform, correlation coefficient, defect detection

朱丹丹，潘如如，高卫东. 基于傅里叶特征谱和相关系数的织物疵点检测[J]. 计算机工程与应用, 2014, 50(19): 182-186.

ZHU Dandan, PAN Ruru, GAO Weidong. Fabric defect detection using characteristic spectrum of Fourier transform and correlation coefficient[J]. Computer Engineering and Applications, 2014, 50(19): 182-186.

[1]	张力戈，陈芋文，秦小林，易斌，李雨捷. 危重症指标相关性分析模型[J]. 计算机工程与应用, 2021, 57(19): 156-163.
[2]	相益萱，姜合，潘品臣，孙聪慧. 二次幂耦合的[K]-means聚类算法研究[J]. 计算机工程与应用, 2021, 57(14): 95-102.
[3]	宗晓萍，田伟倩. 采用K-means的脑肿瘤磁共振图像分割与特征提取[J]. 计算机工程与应用, 2020, 56(3): 187-193.
[4]	金楠森，刘美玲，谷欣然，韩雨彤. 双参卷积理论模型预测交通通行时间[J]. 计算机工程与应用, 2020, 56(20): 258-263.
[5]	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.
[6]	苏梦珂，孔祥智. 直觉对偶犹豫模糊集在多属性群决策中的应用[J]. 计算机工程与应用, 2020, 56(17): 273-278.
[7]	李丹. 结构加权相关自适应子空间聚类[J]. 计算机工程与应用, 2020, 56(13): 137-142.
[8]	张晓琴1，刘玲1，郭鑫垚2. 基于HSIC0的类间非线性相关系数度量[J]. 计算机工程与应用, 2019, 55(3): 46-49.
[9]	刘清华1，赖裕平2，丁洪伟1，杨志军1，崔晓龙3. 基于SVM的蛋白质亚细胞定位预测[J]. 计算机工程与应用, 2019, 55(11): 136-141.
[10]	郭炜婷，夏利民. 基于多视角非负矩阵分解的人体行为识别[J]. 计算机工程与应用, 2018, 54(16): 37-43.
[11]	范永全，杜亚军. 基于加权相似度的用户协同过滤方法[J]. 计算机工程与应用, 2016, 52(22): 222-225.
[12]	朱春媚1，2，黎萍1. 基于频段互相关系数的咳嗽识别新方法[J]. 计算机工程与应用, 2016, 52(2): 161-164.
[13]	涂兵1，2，3，王锦萍1，3，王思成1，3，周幸1，3，戴平1，3. 基于背部轮廓相关系数算法的淡水鱼种类识别研究[J]. 计算机工程与应用, 2016, 52(16): 162-166.
[14]	张健，赵立军. 基于改进正[2k]边形坐标的可视化方法研究[J]. 计算机工程与应用, 2016, 52(14): 261-265.
[15]	赵愿1，毛军军1，2. 一种新的区间直觉模糊熵及其应用[J]. 计算机工程与应用, 2016, 52(12): 85-89.