典型文献
数字图像处理在织物疵点检测上的应用研究进展
文献摘要：
[研究意义]长期以来,织物疵点检测过程仍通过人工目测来进行,成本高,检测率低,研究数字图像处理在织物疵点的运用,对纺织品质量控制具有重要的现实意义.[研究方法和内容]文章通过近年织物疵点检测,数字图像处理,人工神经网络等相关文献分析,简要阐述了近年来织物疵点在图像处理领域的检测方式,综述了基于共生矩阵和数学形态学的统计学方法,基于傅里叶变换,小波变换和Gabor的频谱方法,基于神经网络等的学习方法这三类织物疵点检测方法,对比总结了这些方法的历史发展和优缺点分布,并提出了自己的见解与展望,发现基于神经网络的学习方法识别率高,适用范围广,可以完成图像分类、语义分割等复杂的任务,加之其学习能力和容错特性,适用于现代企业对于不同织物疵点检测的要求.
文献关键词：
数字图像处理;神经网络;织物疵点检测;织物疵点
中图分类号：
作者姓名：
周星亚;孙红蕊;夏克尔·赛塔尔
作者机构：
新疆大学 纺织与服装学院,乌鲁木齐 830046
文献出处：
引用格式：
[1]周星亚;孙红蕊;夏克尔·赛塔尔-.数字图像处理在织物疵点检测上的应用研究进展)[J].服饰导刊,2022(06):23-30
A类：
B类：
数字图像处理,织物疵点检测,研究意义,检测过程,目测,检测率,纺织品,人工神经网络,检测方式,矩阵和,数学形态学,统计学方法,傅里叶变换,小波变换,Gabor,谱方法,这三类,方法识别,识别率高,成图,图像分类,语义分割,容错,现代企业
AB值：
0.186316
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。
