基于Curvelet变换和BP神经网络的织物疵点检测

摘要

在织物检测项目中,布面疵点检验是一个必不可少的环节。依靠人工的检测存在着劳动强度大,效率低,漏检率高,检测结果易受检验人员主观因素影响等弊端。随着图像处理技术和人工智能的发展,使得基于计算机视觉的织物疵点自动检测代替传统的人工检测成为可能。织物图像在形成、传输、接受和处理中会被噪声污染。为获得高质量的织物图像,去噪处理很重要。
　　 本文运用基于Curvelet变换的织物图像去噪方法,获得了优于小波去噪的织物疵点图像。利用图像处理技术完成织物疵点检测是一个纹理特征提取和模式识别问题。织物图像的纹理特征提取是一个关键的步骤。本文采用经Curvelet变换后各子带的统计特征--能量和熵来表达织物图像的纹理特征。对于织物疵点的识别分类,本文设计了一个三层BP神经网络,经试验验证对六类织物图像的正确识别率可达95.83％。