基于Gabor滤波的重建图像法检测皮革表面缺陷

刘飞飞; 孙合锐; 王潇男; 金达风

doi:10.13873/J.1000-9787(2022)03-0139-03

Chinese

您当前的位置：

首页 >

文章列表页 >

基于Gabor滤波的重建图像法检测皮革表面缺陷

计算与测试 | 更新时间：2025-09-11

- 基于Gabor滤波的重建图像法检测皮革表面缺陷
- 基于Gabor滤波的重建图像法检测皮革表面缺陷
- 传感器与微系统 2022年第3期页码：139-141+144
- 作者机构：
  
  江西理工大学电气工程与自动化学院
- 作者简介：
- 基金信息：
- DOI：10.13873/J.1000-9787(2022)03-0139-03
  中图分类号： TN713;TS57;TP391.41
- 纸质出版：2022
- 稿件说明：
移动端阅览
刘飞飞, 孙合锐, 王潇男, 等. 基于Gabor滤波的重建图像法检测皮革表面缺陷[J]. 传感器与微系统, 2022,(3):139-141+144.

基于Gabor滤波的重建图像法检测皮革表面缺陷[J]. 2022, (3): 139-141+144.
刘飞飞, 孙合锐, 王潇男, 等. 基于Gabor滤波的重建图像法检测皮革表面缺陷[J]. 传感器与微系统, 2022,(3):139-141+144. DOI： 10.13873/J.1000-9787(2022)03-0139-03.

基于Gabor滤波的重建图像法检测皮革表面缺陷[J]. 2022, (3): 139-141+144. DOI： 10.13873/J.1000-9787(2022)03-0139-03.

摘要

针对经典的缺陷检测算法无法解决纹理复杂、对比度低的皮革表面缺陷检测的问题，提出一种基于Gabor滤波的重建图像算法。首先设计Gabor滤波器，从纹理图像与特定的Gabor滤波器的卷积中计算能量的输出响应，当纹理特征对应的能量最大时确定Gabor滤波器的最佳参数。再将原图和滤波后的背景图相减重建图像，重建图中纹理和缺陷的灰度值差异被增强，通过中值滤波除去噪声和部分纹理，最后经过图像分割后计算灰度共生矩阵的能量，缺陷能量较低而纹理等干扰的能量较高，设定简单的能量阈值就可以实现缺陷区域的识别和定位。对大量皮革图像进行测试，实验结果表明：该方法可以准确、高效地检测皮革表面缺陷。

Abstract

关键词

Keywords

references

基于K均值聚类与标记分水岭的棉花图像分割 [J]. 张新良,夏亚飞,夏楠,赵运基. 传感器与微系统 . 2020(03)

基于光度立体和图像显著性的皮革缺陷检测 [J]. 刘根,蔡念,肖盼,林健发. 计算机工程与应用 . 2019(08)

基于图像检测技术的皮革缺陷检测的分析 [J]. 甄燕. 科技与企业 . 2012(21)

一种皮革表面缺陷检测分类方法的研究 [J]. 李健,韩玮,郑东. 计算机测量与控制 . 2010(12)

基于小波分析的皮革疵点机器视觉检测方法 [J]. 余亚东,于梅,叶森钢. 微计算机信息 . 2010(19)

图像检测技术在皮革缺陷检测中的应用研究 [D]. 崔扬. 浙江大学 2004

Saliency-Based Defect Detection in Industrial Images by Using Phase Spectrum. [J] . Xiaolong Bai,Yuming Fang,Weisi Lin,Lipo Wang,Bing-Feng Ju. IEEE Trans. Industrial Informatics . 2014 (4)

Automated surface inspection for statistical textures [J] . Du-Ming Tsai,Tse-Yun Huang. Image and Vision Computing . 2003 (4)

Automated Surface Inspection Using Gabor Filters [J] . D.-M. Tsa,S.-K. Wu. International Journal of Advanced Manufacturing Technology . 1900 (7)

浏览量

477

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据