-
公开(公告)号：CN103871053B
公开(公告)日：2017-02-01
申请号：CN201410063927.X
申请日：2014-02-25
申请人： 苏州大学
IPC分类号： G06T7/00
摘要： 本发明公开了一种基于视觉显著性的布匹瑕疵检测方法，包括如下步骤：（1）采集图（；2）亮度特征处理；（3）方向特征处理；（4）多通道叠加归一处理；（5）灰度图处理；（6）二值化处理（；7）瑕疵区域判断，与传统布匹瑕疵检测方法相比，本发明降低了运算的复杂度，提高了识别率，并能准确定位，同时避免了所检测的布匹完好图的显著图灰度值比瑕疵图中完好部分灰度值更高的情况下容易导致的误检，有效地降低了背景在检测过程中的干扰，且减少了将完好布匹的图像经过自适应阈值分割得到的目标区域误判为瑕疵区域的情况的发生。
-
公开(公告)号：CN103456021B
公开(公告)日：2016-05-18
申请号：CN201310437747.9
申请日：2013-09-24
申请人： 苏州大学
IPC分类号： G06T7/00
摘要： 本发明公开了一种基于形态学分析的布匹瑕疵检测方法，采用线阵相机对运动中的布匹进行图像采集，通过对布匹灰度图像进行，获取布匹相邻组织点间距，作为结构元素大小参考值；接着进行形态学闭操作，填充常规的织点缝隙，瑕疵处的织点数偏少且不规律，在亮度上被突显出来；最后，对图像进行二值化处理，其阈值的确定通过灰度幂次变换的γ训练选取进行控制，统计并标注二值瑕疵图，输出瑕疵信息，完成布匹的瑕疵检测过程。本发明方法结构更加准确简单，提高了计算速度；能够减弱背景亮度不均的干扰；便于实现自动检测。
-
公开(公告)号：CN104700412B
公开(公告)日：2019-01-22
申请号：CN201510116370.6
申请日：2015-03-17
申请人： 苏州大学
摘要： 本发明公开了一种视觉显著图的计算方法，首先采用Itti模型，生成图像的颜色显著图和亮度显著图，然后利用结构张量，有效的提取边缘和角点显著图，经过线性组合生成轮廓显著图，最后通过将特征显著图进行规范化、线性组合，得到最终显著图。本发明采用了轮廓显著图的方法，使得所得到的视觉显著图更加清晰，在显著目标的定位方面更加精确，并且在计算效率方面也得到了提升。
-
公开(公告)号：CN104198497B
公开(公告)日：2017-01-25
申请号：CN201410464490.0
申请日：2014-09-12
申请人： 苏州大学
IPC分类号： G01N21/88
摘要： 本发明公开了一种基于视觉显著图和支持向量机的表面缺陷检测方法，首先对待检测产品表面图像样本，采用GBVS模型计算其视觉显著图，通过最大类间方差法将视觉显著图进行自适应阈值分割，提取视觉显著区，计算视觉显著图灰度平均值、显著图中视觉显著区域的灰度平均值，并各自进行归一化处理，构成二维特征，再将上述所得视觉显著图的二维特征作为支持向量机训练样本，选取二维情况下实现分类的最优分类线，基于该最优分类线，对二维特征进行分类，从而区分图像中的产品是否存在缺陷。本发明能够有效节省劳力，降低劳动强度，提高工作效率，且辨识精度高。
-
公开(公告)号：CN103871053A
公开(公告)日：2014-06-18
申请号：CN201410063927.X
申请日：2014-02-25
申请人： 苏州大学
IPC分类号： G06T7/00
摘要： 本发明公开了一种基于视觉显著性的布匹瑕疵检测方法，包括如下步骤：（1）采集图；（2）亮度特征处理；（3）方向特征处理；（4）多通道叠加归一处理；（5）灰度图处理；（6）二值化处理；（7）瑕疵区域判断，与传统布匹瑕疵检测方法相比，本发明降低了运算的复杂度，提高了识别率，并能准确定位，同时避免了所检测的布匹完好图的显著图灰度值比瑕疵图中完好部分灰度值更高的情况下容易导致的误检，有效地降低了背景在检测过程中的干扰，且减少了将完好布匹的图像经过自适应阈值分割得到的目标区域误判为瑕疵区域的情况的发生。
-
公开(公告)号：CN104574353B
公开(公告)日：2017-08-01
申请号：CN201410463588.4
申请日：2014-09-12
申请人： 苏州大学
摘要： 本发明公开了一种基于视觉显著性的表面缺陷判定方法，首先采集待检测产品的表面图像样本、并利用视觉显著性模型计算其视觉显著图，再采用快速最大类间方差法对显著图像进行阈值分割，然后计算显著图的特征值，最后选取特征值阈值，判断图像中是否存在缺陷。本发明算法简洁实用，准确率高，且排除了表面褶皱对缺陷检测的影响。
-
公开(公告)号：CN104700412A
公开(公告)日：2015-06-10
申请号：CN201510116370.6
申请日：2015-03-17
申请人： 苏州大学
摘要： 本发明公开了一种视觉显著图的计算方法，首先采用Itti模型，生成图像的颜色显著图和亮度显著图，然后利用结构张量，有效的提取边缘和角点显著图，经过线性组合生成轮廓显著图，最后通过将特征显著图进行规范化、线性组合，得到最终显著图。本发明采用了轮廓显著图的方法，使得所得到的视觉显著图更加清晰，在显著目标的定位方面更加精确，并且在计算效率方面也得到了提升。
-
-
公开(公告)号：CN104198497A
公开(公告)日：2014-12-10
申请号：CN201410464490.0
申请日：2014-09-12
申请人： 苏州大学
IPC分类号： G01N21/88
摘要： 本发明公开了一种基于视觉显著图和支持向量机的表面缺陷检测方法，首先对待检测产品表面图像样本，采用GBVS模型计算其视觉显著图，通过最大类间方差法将视觉显著图进行自适应阈值分割，提取视觉显著区，计算视觉显著图灰度平均值、显著图中视觉显著区域的灰度平均值，并各自进行归一化处理，构成二维特征，再将上述所得视觉显著图的二维特征作为支持向量机训练样本，选取二维情况下实现分类的最优分类线，基于该最优分类线，对二维特征进行分类，从而区分图像中的产品是否存在缺陷。本发明能够有效节省劳力，降低劳动强度，提高工作效率，且辨识精度高。
-
公开(公告)号：CN103456021A
公开(公告)日：2013-12-18
申请号：CN201310437747.9
申请日：2013-09-24
申请人： 苏州大学
IPC分类号： G06T7/00
摘要： 本发明公开了一种基于形态学分析的布匹瑕疵检测方法，采用线阵相机对运动中的布匹进行图像采集，通过对布匹灰度图像进行，获取布匹相邻组织点间距，作为结构元素大小参考值；接着进行形态学闭操作，填充常规的织点缝隙，瑕疵处的织点数偏少且不规律，在亮度上被突显出来；最后，对图像进行二值化处理，其阈值的确定通过灰度幂次变换的γ训练选取进行控制，统计并标注二值瑕疵图，输出瑕疵信息，完成布匹的瑕疵检测过程。本发明方法结构更加准确简单，提高了计算速度；能够减弱背景亮度不均的干扰；便于实现自动检测。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.019 秒)
