典型文献
结构化矩阵分解的网状织物缺陷检测方法
文献摘要：
针对在网状织物缺陷检测过程中因纹理复杂造成误检问题,提出了一种结构化矩阵分解的网状织物缺陷检测方法.首先,通过Retinex算法对图像进行增强,利用所提取的底层图像特征生成特征矩阵,并将其分解为含有织物图像背景信息的低秩矩阵和含有缺陷信息的稀疏矩阵;其次,引入了高级先验矩阵和索引树两个部分,通过利用增强后图像进行获取,并对两个部分进行特征融合,实现缺陷显著性增强.通过计算稀疏矩阵的值,获得缺陷的显著性的大小;最后,通过最佳阈值分割算法分割缺陷显著图,从而得到缺陷检测结果.利用公开数据集TILDA和BASLER工业相机采集到的网状织物缺陷图像验证了算法的性能.研究表明,与其他算法相比,本文算法的识别准确率达到94.25％,召回率达到92.48％,分类准确率达到 90.12％.
文献关键词：
显著性;缺陷检测;图像处理;特征融合
中图分类号：
作者姓名：
刘秀平;冯国栋;袁皓;王柯欣;闫焕营
作者机构：
西安工程大学电子信息学院 西安 710048;深圳罗博泰尔机器人有限公司 深圳 518109
文献出处：
引用格式：
[1]刘秀平;冯国栋;袁皓;王柯欣;闫焕营-.结构化矩阵分解的网状织物缺陷检测方法)[J].电子测量与仪器学报,2022(10):181-188
A类：
网状织物,TILDA,BASLER
B类：
矩阵分解,织物缺陷检测,缺陷检测方法,缺陷检测过程,Retinex,图像特征生成,特征矩阵,背景信息,低秩矩阵,矩阵和,缺陷信息,稀疏矩阵,先验,索引,后图,特征融合,最佳阈值,阈值分割算法,显著图,公开数据集,工业相机,机采,识别准确率,召回率,分类准确率
AB值：
0.325228
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
