為實(shí)現(xiàn)色織物疵點(diǎn)的有效檢測(cè),提出一種應(yīng)用上下文視覺顯著性的疵點(diǎn)檢測(cè)方法。根據(jù)上下文視覺顯著性的原則,將織物圖像分為大小相同的圖像塊;然后針對(duì)每個(gè)圖像塊,選取K個(gè)與其最相似的圖像塊計(jì)算與該圖像塊的差異值之和,用該差異值之和表示該圖像塊中心像素的顯著性;從而生成一幅視覺顯著性圖;最后對(duì)顯著性圖進(jìn)行閾值分割,得到色織物疵點(diǎn)的檢測(cè)結(jié)果。為驗(yàn)證該算法的有效性,將帶有緯縮、破洞和跳花等區(qū)域性疵點(diǎn)的素色、條紋和格子色織物圖像作為樣本進(jìn)行檢測(cè)。結(jié)果表明:該方法可較好地抑制不同種類織物的紋理背景,突出疵點(diǎn)區(qū)域,實(shí)現(xiàn)疵點(diǎn)的有效檢測(cè),該方法在色織物疵點(diǎn)檢測(cè)上具有一定的可行性。

【文章頁數(shù)】：6 頁

【部分圖文】：

圖1 色織物樣本圖像

本文以大恒相機(jī)GigEVisonTL采集的像素密度為300像素的條紋色織物圖像為樣本，將采集的圖像裁剪成尺寸為256像素×256像素的圖像塊。示例圖像如圖1所示。2基于上下文的視覺顯著性檢測(cè)模型

圖2 條紋疵點(diǎn)單一尺度顯著性檢測(cè)效果圖

通常背景圖像塊在多個(gè)尺度上都具有相似的圖像塊，而顯著性圖像塊可能只在某些尺度上才具有相似的圖像塊，因此，可結(jié)合多個(gè)尺度的顯著性圖進(jìn)行疵點(diǎn)區(qū)域顯著性增強(qiáng)，這樣可進(jìn)一步降低背景區(qū)域的顯著性，增強(qiáng)顯著區(qū)域和非顯著區(qū)域之間的對(duì)比度。為保證檢測(cè)效果的前提下減少算法的處理時(shí)間，計(jì)算像素i的顯....

圖3 條紋疵點(diǎn)多尺度顯著性檢測(cè)效果圖

然后將不同尺度下的顯著性值歸一化到[0,1]，并把顯著圖Sir放縮為原圖像尺寸大小。圖3示出其他3個(gè)尺度下的顯著性檢測(cè)效果圖。圖3(a)與原尺度相比雖然實(shí)現(xiàn)了背景條紋區(qū)域的顯著性減弱，但疵點(diǎn)的完整性遭到了輕微破壞;從圖3(b)和(c)可看出，在該尺度下基本消除了背景條紋區(qū)域的顯著....

圖4 條紋疵點(diǎn)在4個(gè)尺度下的顯著性均值檢測(cè)結(jié)果

圖4示出條紋疵點(diǎn)圖像在4個(gè)尺度下的顯著性均值檢測(cè)結(jié)果。可以看出，與單一尺度的顯著性圖相比，4個(gè)尺度下顯著性均值檢測(cè)在得到較完整疵點(diǎn)區(qū)域的同時(shí)，背景條紋區(qū)域的顯著性有效減弱。2.3上下文顯著性修正

本文編號(hào)：4051254