傅里叶特征谱与相关系数在织物疵点检测中的应用

"基于傅里叶特征谱和相关系数的织物疵点检测 (2014年)。本文提出了一种新的织物疵点检测算法，通过傅里叶变换提取图像特征并使用相关系数分析来识别疵点。该方法提高了检测的准确性和可靠性。" 在织物制造过程中，疵点的检测对于保证产品质量至关重要。传统的依靠人工视觉检查的方式效率低下，易出错且主观性强。随着计算机图像处理技术的进步，机器视觉在织物疵点检测领域得到了广泛应用。其中，特征值的提取是图像识别的关键步骤，它可以量化图像的变化特征。 傅里叶变换是一种重要的数学工具，特别适合分析具有周期性纹理的图像，如织物图像。在本研究中，研究人员对平纹和斜纹织物的图像进行傅里叶变换，生成频谱图。频谱图可以揭示图像的频率成分，有助于定位可能由疵点引起的纹理结构变化。 接下来，研究者从频谱图中选取了五个关键的特征值，这些特征值反映了图像的灰度和纹理特性。选择正常织物图像作为模板，计算待检测图像的特征值与模板图像特征值之间的相关系数。相关系数可以衡量两个变量之间的线性关系强度，此处用来评估待检测图像与正常图像的相似程度。 通过设置阈值，可以判断待检测图像中是否存在异常。当相关系数低于阈值（例如，0.80）时，表明图像特征与正常模板差异较大，可能存在疵点。这种方法提高了检测速度，并增强了检测的准确性，能够有效地识别稀密路、断经、吊经、纬缩和破洞等常见疵点。 该论文发表于《计算机工程与应用》(Computer Engineering and Applications)，展示了基于傅里叶特征谱和相关系数的织物疵点检测算法在实际应用中的潜力。通过这种方法，可以实现自动化检测，降低人工检查的误差，提升织物生产过程的效率和质量控制水平。这种算法为后续的织物疵点检测技术提供了新的研究思路和参考。