基于$-g的纸病图像分割算法-中国造纸学报.pdfVIP

中 国造纸 学报 基于 的纸病图像分割算法 亢 洁 潘思璐 王晓东 陕西科技大学电气与信息工程学院 陕西西安 摘 要 针对实际纸病检测应用中采集到的图像分辨率越来越高 在图像处理过程中出现数据维数过大的问题 提出一种基于鲁棒 主成分分析法 的纸病图像分割算法 该算法将纸病图像对应的矩阵分解成稀疏矩阵和 低秩矩阵 在后续检测中只需选取稀疏矩阵对应的图像进行检测就可以满足纸病检测的要求 有效减少了计算量 最终节省了整个 纸病检测环节的检测时间 仿真结果表明 该方法可用于纸病图像的分割 并且具有良好的分割效果 关键词 数据冗余 图像分割 纸病检测 中图分类号 文献标识码 文章编号 在经济日益发展的今天 造纸行业的竞争越来越 的纸病图像分割算法 该算法通过将纸病图像 激烈 提高纸产品的质量成为各造纸厂家提高市场竞 对应的矩阵进行分解 将原纸病图像有效地分解成低 争力的有效途径 然而在实际的生产过程中 会因多 秩矩阵图像和稀疏矩阵图像 其中 低秩矩阵图像表 种原因使得最终生产出的纸张含有缺陷 最为常见的 现为背景图像 稀疏矩阵图像表现为缺陷图像 这 样 很容易地将背景图像和缺陷图像分离 后续再对 纸病有褶皱 裂纹 黑斑和亮斑等 因此 对生 产出的纸张进行缺陷检测显得尤为重要 在纸病检测 稀疏矩阵图像进行检测 从而识别出有无纸病缺陷的 过程中需对采集到的纸张图像进行分割 现有的图像 存在 这样可将检测中不需要的背景图像中的信息去 除 从而达到去除冗余数据的目的 分割方法主要有 类 基于阈值的分割方法 基于 形态学的分割方法 基于统计学的分割方法和基 主成分分析法 于小波的分割方法 基于阈值的分割方法原理简 单 但对于不同的纸病需要选取不同的阈值 基于形 主成分分析法 态学的分割方法具有较好的抗干扰性 但形态学运算 是最常用的数据降维方法 该方法的实质是 的结果在很大程度上依赖着其结构元素的选取 而结 在尽可能好地代表原始数据的前提下 通过线性变换 构元素的选取并没有有效的准则 只能依靠多次实验 将高维空间中的样本数据投影到低维空间中 从而达 或经验 基于统计学的分割方法容易实现 但鲁棒性 到既保证原有特征的主要信息 又降低数据维数的目 有待于提高 对周围环境 如光照强度 的变化适 的 即 对于给定数据向量 能从中分解出原 应性差 基于小波的分割方法精度较高 但精度的提 始低秩数据向量和干扰项 即 和满足式 高是以减慢运算速度为代价的 的关系 在实际的纸病检测应用中 随着用于采集纸病图 像的器件精度的提高 图像分辨率越来越高 使得采 在统计学上 该分解问题可归结为探索数据主成 集到的图像数据量越来越大 在检测处理时 数据量 分的问题 当干扰项 遵循小方差的高斯分布时 太大 会增大计算量 影响纸病检测的效