Random Texture Defect Detection by Modeling the Extracted Features from the Optimal Gabor Filter
- سال انتشار: 1394
- محل انتشار: مجله پیشرفت در تحقیقات کامپیوتری، دوره: 6، شماره: 3
- کد COI اختصاصی: JR_JACR-6-3_006
- زبان مقاله: انگلیسی
- تعداد مشاهده: 612
نویسندگان
Dept. of Electrical & Robotic Engineering, Shahrood University of Technology, Shahrood, Iran
Dept. of Electrical Engineering, Iran University of Science and Technology, Tehran, Iran
Dept. of Electrical & Robotic Engineering, Shahrood University of Technology, Shahrood, Iran
Dept. of Electrical Engineering, Iran University of Science and Technology, Tehran, Iran
چکیده
In this paper, a new method is presented for the detection of defects in random textures. In the training stage, the feature vectors of the normal textures’ images are extracted by using the optimal response of Gabor wavelet filters, and their probability density is estimated by means of the Gaussian Mixture Model (GMM). In the testing stage, similar to the previous stage,at first, the feature vectors corresponding to local neighborhoods of each pixel of the image under inspection are extracted. Then, by computing the likelihood of the test image’s feature vectors’ belonging to the parameters of the GMM, they are compared with a threshold value. Finally, the defective regions are localized in a defect map. The proposed algorithm was evaluated on a set of grayscale ceramic tile images with random textures. The simulations indicate that in comparison with the previous methods, the proposed algorithm enjoys an acceptable computational volume and accuracy in the detection of texture defects.کلیدواژه ها
Defect detection, Random texture, Gabor wavelet filters, Gaussian mixture modelمقالات مرتبط جدید
- سودآوری مشتریان در خردهفروشی قطعات یدکی ماشین آلات راهسازی با رویکرد یادگیری ماشین
- ارائه روشی کارآمد جهت شناسایی کودکان نیازمند به پیوند مغز استخوان با استفاده از ترکیب طبقه بند ماشین بردار پشتیبان و الگوریتم بهینه سازی فاخته
- استخراج بهینه پارامترهای تاثیر گذار الگوریتم بهینه سازی بوفالوی آفریقایی با هدف استخراج ویژگی های مهم به منظور افزایش کارایی طبقه بندی داده ها
- ارائه روشی کارآمد برای بهبود عملکرد الگوریتم بهینه سازی کلاغ سیاه به منظور افزایش صحت خوشه بندی داده ها
- استفاده از الگوریتم باور بیزین در لایه کاملا متصل شبکه عصبی کانولوشن با هدف افزایش دقت تشخیص تصاویر
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.