一种自适应织物疵点图像分割的方法.pdfVIP

第33卷第6期 东华大学学报(自然科学版) Vo1．33．No．6 2007年12月 JOURNAI OF D()N(j H UA UNIVERSII、Yf NATURAI SCIENCE) 1)ec．2007 文章编号：1671—0444(2007)06—0743—08 一 种自适应织物疵点图像分割的方法 石美红，付 蓉，毛江辉，张旭凤 (西安工程大学 计算机科学学院，陕西 西安710048) 摘 要：由于受到光照、噪声以及组织纹理等因素的影响，使得织物疵点图像分割一直是织物疵点检测研究中的热 点和难点问题．针对常见织物疵点大多在相邻纱线上带有纬向或经向的方向性变异的特点，提出了提取织物图像变异 度特征及基于此的简化脉冲耦合神经网 (Pulse-Coupled Neural Network，PCNN)的织物图像疵点分割的新方法．实 验结果表明，本方法不仅对常见的织物疵点能进行快速、准确地分割，而且具有一定的健壮性． 关键词：织物疵点；变异度；脉冲耦合神经网 (PCNN)；点火；同步 中图分类号：TP 391．41；TP 183 文献标志码：A An Adaptive Fabric Defect Segmentation Method SHI Mei—hong。FURong，MAO Jiang—hui。ZHANG X feng (Computer Science School，Xi’an Polytechnic University，Xi’an Shaanxi 710048，China) Abstract：Segmenting fabric defect from a woven fabric image in research of detecting fabric defect has proven to be a difficult task due to the influence of environment(e．g．illumination and noise，etc．)and various kinds of weave textures．Based on the property of variation with weft or warp direction on its adjacent yarns produced mostly in common fabric defects，this paper proposes methods of the feature of variability degrees extracted from woven fabric images and segmenting fabric defect adaptively based on the feature image by a simplified pulse-coupled neural network(PCNN)．Experimental results show that the proposed method is effective and robust for segmenting common fabric defects． Key wol ds：fabric defect；variability degree；pulse-coupled neural network(PCNN)；pulsing；synchronization 织物疵点分割一直是织物疵点检测研究的 形状特征，然后通过阈值法分割织物疵点．如 热点和难点问题，已有国内外许多学者进行了深 ZHANG等人针对粗节和结头疵点，采用计算灰 入的研究，并提出了许多有效的算法L1 ·．织物疵 度值的统计特性的方法，先由无疵点的织物图像 点自动检测的关键是对采集的织物图像进行疵 得到阈值，然后对待检测织物图像经相同的处理 点分割．从图像处理方法的角度来看 ]，一种是