基于时间序列分形特征的织物瑕疵检测

为充分利用织物纹理特点,并大幅度减少计算量,将织物纹理图像的灰度值分别沿纵、横方向投影得到一维时间序列,提取分形特征。根据Fisher判别准则优选了2个具有一定互补性而又能最大限度区分正常与瑕疵样本的时间序列盒维数组成特征向量,对7种具有不同纹理背景的织物进行瑕疵检测。试验结果表明,在一定的阈值范围内,误检率和漏检率可控制在10%以内,表明采用这种方法在大幅减少维数估算计算量的同时能够有效区分正常与瑕疵纹理。     

基于AR谱分析的织物瑕疵自动检测

为实现快速和有效的织物瑕疵自动检测,提出了一种基于时间序列而不是图像的功率谱纹理分析方法.依据Burg auto regressive(AR)算法估计得到谱数据,从中提取能够反映纹理周期和取向等特点的特征,并首次采用支持向量数据描述模型来检测织物瑕疵纹理.对包含多种疵点的若干织物样本的检测结果表明,依照本文所述方案能够在保持较低的误譬率前提下达到较高的疵点栓出率,证明了所述方案的可行性.     

清梳联自调匀整系统频率域性能的研究

探讨了清梳联自调匀整系统的频率性能的推导和估计。设计了实验方法,在采集大量数据的基础上,对清梳联自调匀整系数的频率特性进行分析和研究。通过实验,对不同混合环控制算法的系统进行比较分析。     

基于多分形特征参数的织物瑕疵检测

深入分析了计盒法在估算分形维数上存在的问题并结合织物纹理固有的特点,提取了4个新的分形参数,利用由它们组成的特征向量并使用欧式距离检测器对7种具有不同纹理背景的织物进行了瑕疵检测。测试结果表明,在一定的阈值范围内,实际的误警率和漏检率可以同时控制在10％以内,有力地证实了所提取的分形特征参数的有效性。