改进自适应小波基在织物疵点检测中的应用

"这篇研究论文‘基于改进自适应小波基的织物疵点检测算法’由中原工学院电子信息学院的刘洲峰、李阳和李春雷共同完成，涉及图像处理与模式识别领域的研究。文章探讨了一种新的织物疵点检测方法，旨在提升基于自适应小波基的检测效果，降低噪声点并保持疵点信息的完整性。" 本文针对纺织工业中重要的织物疵点检测问题，提出了一种创新性的算法。传统基于自适应小波的方法在疵点检测中可能受到噪声干扰，影响检测准确性和效率。因此，作者们提出了一个基于改进自适应小波基的检测流程。首先，他们通过不同的限定条件对自适应小波基进行优化，生成多个候选小波基。这一过程旨在寻找更适用于疵点特征提取的基函数，以适应织物图像的复杂性。 接下来，利用这些优化后的自适应小波基，对疵点图像进行小波分解。小波分解是将图像在多尺度和多方向上进行分析，有助于揭示图像的局部特性，特别是疵点的细节信息。在分解后的子图像中，应用最大类间方差法（Otsu's method）进行阈值分割，旨在区分疵点区域和正常区域，以减少背景噪声的影响。 最后，论文的关键创新点在于图像融合。作者们将不同自适应小波基下分割的结果进行融合，以综合各种基的优势，进一步提高检测的准确性和抗噪性能。这种融合策略能够确保在保留疵点特征的同时，减少因单一基函数选择导致的误检或漏检问题。 实验结果表明，提出的算法在实际应用中表现出色，既能有效检测出织物疵点，又能减少噪声点的出现，从而提高了整体的检测质量。这一成果对于自动化纺织品质量控制具有重要意义，可以提升生产效率，减少人工检测的错误率，并有望推动相关领域的技术进步。 关键词：自适应小波，小波分解，图像融合，疵点检测 中图分类号：TP3391．9 文献标识码：A DOI:10．3969/j．issn．1000-386x．2016．11．034 该论文得到了国家自然科学基金项目、河南省基础与前沿技术研究项目和郑州市科技领军人才项目的资助，反映了研究团队在图像处理领域的深度研究和实践应用能力。