公开(公告)号：CN109949287A

公开(公告)日：2019-06-28

申请号：CN201910196033.0

申请日：2019-03-15

Applicant: 江南大学

Inventor： 狄岚 ,  杨达 ,  顾雨迪

IPC: G06T7/00 ,  G06K9/62 ,  G06T7/136

Abstract: 本发明公开了一种基于自适应分割与模板校正的织物瑕疵检测方法，包括训练阶段和测试阶段；所述训练阶段通过对无瑕疵图像的处理得到一个阈值；所述测试阶段使用所述训练阶段通过训练得到的所述阈值进行织物瑕疵的检测与识别。本发明的有益效果：本发明提出基于自适应分割与模板校正的织物瑕疵检测方法与小波预处理黄金图像减法、布林线波段法、正则带法、基于模板校正和棋盘法的实验结果比较分析，在查全率与查准率上有较大提升。

公开(公告)号：CN109886161A

公开(公告)日：2019-06-14

申请号：CN201910092625.8

申请日：2019-01-30

Applicant: 江南大学

Inventor： 狄岚 ,  何锐波 ,  顾雨迪

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06T3/40 ,  G06T5/00

Abstract: 本发明公开了一种基于可能性聚类和卷积神经网络的道路交通标识识别方法，包括以下步骤对图像数据集进行预处理，所述预处理包括归一化操作、数据增强、色彩增强以及使用极大化类间距离的可能性聚类算法与Hu不变矩相结合进行降噪和特征提取，得到训练数据集；构建卷积神经网络模型，并利用所述训练数据集对所述卷积神经网络模型进行充分训练，利用训练后的网络模型对图像进行分类识别。效果：采用归一化与数据增强对数据集进行预先操作使得满足卷积神经网络模型结构对数据集的要求，能够减少了网络模型训练时间并保证了识别的准确率。

公开(公告)号：CN109507193A

公开(公告)日：2019-03-22

申请号：CN201811310641.1

申请日：2018-11-06

Applicant: 江南大学

Inventor： 狄岚 ,  赵树志

IPC: G01N21/88

Abstract: 本发明公开了一种基于局部对比度增强与二值模式的织物瑕疵检测方法，包括训练部分和测试部分；所述训练部分通过对无瑕疵图像的处理得到一个阈值，所述测试部分通过使用训练得到的阈值进行瑕疵的检测与标记。本发明的有益效果：本发明在一定程度上解决了传统的完整局部二值模式在织物疵点检测时存在直方图维数过高和特征冗余并且在小区域图像变化幅度剧烈或变化幅度平缓时存在局限性的问题。