基于MSA矩的簾子布疵点识别算法研究.docVIP

基于MSA矩的帘子布疵点识别算法研究 首先给出了仿射变换的定义, 并在此基础上建立了一种新的仿射变换途径——多尺度自卷积变换,构造了一组仿射不变矩(MSA矩),给出了它的明确表达式,然后计算帘子布样图像的MSA矩,以这些MSA矩为输入向量对BP神经网络进行训练, 最后采用已训练的BP神经网络进行帘子布疵点识别。试验证明, 这种方法可准确识别出帘子布断经、浆斑、劈缝、稀经和经线粘连等疵点。 1 引 言 　　在纺织品质量控制环节中,织物疵点检测具有重要意义,它直接关系到纺织品的最终质量评定。织物疵点识别是近几十年来国内外专家学者研究的热门课题之一,已有一些成果可见报道。但由于织物疵点本身形态各异,种类繁多,使得织物疵点检测成为研究领域的一个难题。研究开发出适应性强、实时性好、检测精度高、分类效果好的检测算法仍然是研究人员面临的一个急需解决的问题。解决此问题的关键是找到有效的不变特征。本文基于多尺度自卷积(Multiscale autoconvlution,MSA)变换构造了一组新的不变量,得到帘子布这一特殊纺织品的MSA矩,然后利用BP神经网络实现疵点的自动学习和分类。 2 MSA矩 2. 1 MSA矩定义 Jan Flusser等提出了一组仿射不变量, 但Flusser的仿射矩不变量(AMI)识别率低, 同时由于高阶不变量对噪声敏感的缺点, 因而只能利用低阶不变矩, 限制了它在实际中