基于二维经验模态分解的织疵分割算法改进

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (24): 217-222.

基于二维经验模态分解的织疵分割算法改进

厉征鑫，刘建立，周建，高卫东

江南大学纺织服装学院，江苏无锡 214122

出版日期:2016-12-15 发布日期:2016-12-20

Improvements of fabric defect segmentation based on bidimensional empirical mode decomposition

LI Zhengxin, LIU Jianli, ZHOU Jian, GAO Weidong

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

Online:2016-12-15 Published:2016-12-20

摘要/Abstract

摘要： 针对纺织行业织物疵点检测自动化的需求，提出了基于二维经验模态分解（BEMD）的织物疵点分割方法的改进。在BEMD算法中，使用基于Delaunay三角化（DT）的三次样条分段插值替代基于径向基函数（RBF）的全局插值，以提高计算效率和分解有效性。在BEMD的分解结果中，选择第二个和第三个内蕴模式函数（IMF）进行融合后进行分割以提高疵点分割结果的完整性。实验中以多幅典型的疵点织物为样本，对比了不同插值方法和分割对象的检测误差率（DER），结果显示改进后的疵点分割方法具有更好的计算效率和鲁棒性。

关键词: 织物疵点分割, 二维经验模态分解, 内蕴模式函数, 径向基函数, Delaunay三角化

Abstract: For the demand of automatic fabric defect detection in textile manufactures, improvements of fabric defect segmentation based on Bidimensional Empirical Mode Decomposition（BEMD） are provided. In the BEMD, the Radial Basis Function（RBF） based global interpolation is replaced by the Delaunay Triangulation（DT） based piecewise interpolation with the cubic spline to obtain higher computation efficiency and decomposition effectiveness. In the BEMD results, the second Intrinsic Mode Function（IMF） and the third IMF are fused to improve the integrity of defect segmentation. In the experiments on multiple typical sample images, the Detection Error Rates（DER） of using different interpolation techniques and segmentation objects are compared; and the experiment results demonstrate that the improved defect segmentation scheme owns a better calculation efficiency and robustness.

Key words: fabric defect segmentation, bidimensional empirical mode decomposition, intrinsic mode function, radial basis function, Delaunay triangulation

厉征鑫，刘建立，周建，高卫东. 基于二维经验模态分解的织疵分割算法改进[J]. 计算机工程与应用, 2016, 52(24): 217-222.

LI Zhengxin, LIU Jianli, ZHOU Jian, GAO Weidong. Improvements of fabric defect segmentation based on bidimensional empirical mode decomposition[J]. Computer Engineering and Applications, 2016, 52(24): 217-222.

[1]	周友行，赵晗妘，刘汉江，李昱泽，肖雨琴. 采用DDPG的双足机器人自学习步态规划方法[J]. 计算机工程与应用, 2021, 57(6): 254-259.
[2]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[3]	罗岱，陶洋，杨刚. 基于面部特征约束的人脸纹理映射及变形[J]. 计算机工程与应用, 2018, 54(6): 188-192.
[4]	李淑玲. 基于径向基点插值的Chan-Vese模型图像分割算法[J]. 计算机工程与应用, 2018, 54(11): 193-197.
[5]	孙堂乐，李国辉. EEMD与RBF神经网络的太阳黑子月均值预测[J]. 计算机工程与应用, 2017, 53(24): 252-256.
[6]	陆亚男，南敬昌，高明明. 改进并行粒子群算法优化RBF神经网络建模[J]. 计算机工程与应用, 2017, 53(14): 45-50.
[7]	陈晓娟1，王单卉2. 基于BEMD和分形维数的人脸识别方法[J]. 计算机工程与应用, 2017, 53(10): 177-180.
[8]	郑雪辉，王士同. 基于迁移学习的径向基函数神经网络学习[J]. 计算机工程与应用, 2016, 52(5): 6-10.
[9]	徐明亮1，2，赵吉3，唐玉兰1. FRBF神经网络分类器设计新方法[J]. 计算机工程与应用, 2016, 52(13): 157-161.
[10]	杨剑锋，张翠，张峰. 机械臂轨迹跟踪控制——基于EC-RBF神经网络的机械臂模型参考自适应控制[J]. 计算机工程与应用, 2015, 51(9): 82-86.
[11]	周宇峰1，张志远1，2，3，刘利2，杨广文1，2. 一种应用于地球系统模式的通用插值算法模型[J]. 计算机工程与应用, 2015, 51(6): 217-221.
[12]	李安平1，2，刘国荣1，2，杨小亮1，沈细群2. 一类非等阶分数阶非线性系统的神经网络控制[J]. 计算机工程与应用, 2015, 51(20): 240-245.
[13]	谭乾1，江弋1，林凡2. 基于AHP-RBF的Swift云存储负载预测[J]. 计算机工程与应用, 2014, 50(8): 35-39.
[14]	李淑玲，李小林. 全局正定径向基函数在图像分割中的应用[J]. 计算机工程与应用, 2014, 50(6): 139-143.
[15]	许楠，刘丽杰. 径向基函数混沌神经元系统及其应用[J]. 计算机工程与应用, 2014, 50(4): 73-76.