[发明专利]一种基于小波神经网络的布匹表面瑕疵检测方法

权利要求书

1.一种布匹瑕疵的在线视觉检测方法，其特征是：通过Gabor滤波器和小波神经网络的结合，有效地提取出布匹表面纹理的宽度方向信息，对于同种类布匹训练求取最优解后构建Gabor滤波器进行在线实时检测；针对不同种类的瑕疵，对应选择奇对称、偶对称Gabor滤波器保证块状瑕疵与线状瑕疵准确、有效地检测出来；具体包括以下几个步骤：

(1)离线学习过程中小波神经网络的构建，得到布匹表面的参数向量η=(txi,tyi,θi,σxi,σyi,ωxi,wi)]]>信息；

(2)离线学习过程中利用LM算法迭代求取最优参数组，构建最优Gabor滤波器组；

(3)在线检测过程中对待测图像经过Gabor滤波器组滤波处理，将得到的各图像融合，得到瑕疵区域。

2.根据权利要求1所述一种布匹表面瑕疵的在线视觉检测方法，其特征是：所述步骤(1)中参数向量的精确求取，包括以下步骤：

构建一个三层前馈神经网络结构，设一幅灰度图像为f(x，y)，其中(x，y)为像素的位置标号，f为对应的像素值，使用Gabor小波网络逼近该图像则有如下表示形式：f^(x,y)=Σi=1Nwig0i(x,y)+f‾;]]>

其中，w_i为第i个隐层节点到输出节点之间的权重：

g0i(x,y)=exp(-12{[(x-txi)cosθi-(y-tyisinθi)σxi]2+[(x-txi)sinθi-(y-tyi)cosθiσyi]2})×sin(2πωxi[(x-txi)cosθi-(y-tyi)sinθi]),]]>

和为坐标轴上的平移参数，和为第i个隐层节点Gabor小波的径向频率带宽，θⁱ为第i个Gabor小波的旋转角度，为中心频率；

这些参数构成参数向量η=(txi,tyi,θi,σxi,σyi,ωxi,wi).]]>