基于GHOG与低秩分解的图案织物图像缺陷检测
计算机视觉与模式识别
2017-02-21 v1
摘要
为了准确检测图案织物图像中的缺陷，本文提出了一种基于Gabor-HOG（GHOG）与低秩分解的新检测算法。无缺陷图案织物图像具有指定的方向，而缺陷破坏了其方向的规律性。因此，设计了一个方向感知描述子，记为GHOG，即Gabor与HOG的组合，其对于定位缺陷区域极具价值。在设计出强大的方向描述子后，构建了一个高效的低秩分解模型，将从图像块提取的方向特征生成的矩阵划分为低秩矩阵（背景信息）和稀疏矩阵（缺陷信息）。还利用非凸log det(.)作为秩的平滑替代函数而非核范数，以提高低秩模型的效率。此外，通过采用交替方向乘子法（ADMM）进一步提高了计算效率。此后，由稀疏矩阵生成的显著图通过最优阈值算法进行分割，以定位缺陷区域。实验结果表明，所提方法能有效检测图案织物缺陷，并优于最先进的方法。
引用
@article{arxiv.1702.05555,
title = {Defect detection for patterned fabric images based on GHOG and low-rank decomposition},
author = {Chunlei Li and Guangshuai Gao and Zhoufeng Liu and Di Huang and Sheng Liu and Miao Yu},
journal= {arXiv preprint arXiv:1702.05555},
year = {2017}
}