摘要
针对稀疏字典算法检测速度慢,无法满足实时检测需求的问题,提出了一种基于稀疏字典优化的疵点检测算法.首先采用一定尺寸的窗口对正常样本滑动取块进行学习得到字典库;然后对字典库进行分组优选,其策略是依据样本被近似的程度,按顺序分组挑选最优字典组;之后检测时选用字典组对织物图像求解系数并进行重构,得到重构图像及相应的残差图像,最后对残差图像进行疵点区域的判定.实验结果表明,此方法检测准确率平均可达 96.22%,检出率高于无约束字典学习方法,图像大小为 512 像素×512 像素时平均每张用时 208 ms,为稀疏字典方法的 0.26%,可达到在保证检测精度的同时仍具有实时性的效果.
NETL
NSTL
维普
万方数据