一种基于改进型PCNN的织物疵点图像自适应分割方法

祝双武; 郝重阳

doi:10.3969/j.issn.0372-2112.2012.03.034

您当前的位置：

首页 >

文章列表页 >

一种基于改进型PCNN的织物疵点图像自适应分割方法

科研通信 | 更新时间：2025-07-16

- 一种基于改进型PCNN的织物疵点图像自适应分割方法
- An Approach for Fabric Defect Image Segmentation Based on the Improved Conventional PCNN Model
- 电子学报 2012年40卷第3期页码：611-616
- 作者机构：
  
  1. 西安工程大学纺织与材料学院,陕西,西安,710048
  2. 西北工业大学电子信息学院,陕西,西安,710072
  3. 西安工程大学纺织与材料学院陕西西安,710048
  4. 西北工业大学电子信息学院陕西西安,710072
- 作者简介：
- 基金信息：
  
  陕西省教育厅专项基金项目 (No.08JK303);博士启动基金 (No.BS1004)
- DOI：10.3969/j.issn.0372-2112.2012.03.034
  中图分类号： TP391
- 纸质出版：2012
- 稿件说明：
移动端阅览
祝双武, 郝重阳. 一种基于改进型PCNN的织物疵点图像自适应分割方法[J]. 电子学报, 2012,40(3):611-616.

ZHU Shuang-wu, HAO Chong-yang. An Approach for Fabric Defect Image Segmentation Based on the Improved Conventional PCNN Model[J]. Acta Electronica Sinica, 2012, 40(3): 611-616.
祝双武, 郝重阳. 一种基于改进型PCNN的织物疵点图像自适应分割方法[J]. 电子学报, 2012,40(3):611-616. DOI： 10.3969/j.issn.0372-2112.2012.03.034.

ZHU Shuang-wu, HAO Chong-yang. An Approach for Fabric Defect Image Segmentation Based on the Improved Conventional PCNN Model[J]. Acta Electronica Sinica, 2012, 40(3): 611-616. DOI： 10.3969/j.issn.0372-2112.2012.03.034.

摘要

针对传统脉冲耦合神经网络(Pulse Coupled Neural Network

PCNN)模型中网络参数多、不易自动选取的问题

本文在对PCNN模型进行改进的基础上

提出了一种基于改进型PCNN织物疵点图像自适应分割方法.采用了一种基于分割区域内均匀度差异最小作为最佳迭代次数判断标准

从而有效地满足了PCNN对织物疵点图像的自动分割要求.通过对不同疵点图像分割实验证明了算法对疵点分割的准确性和有效性.

Abstract

An approach is proposed for fabric defect detection based on the improved conventional pulse coupled neural network (PCNN) model.For these too many parameters of conventional PCNN

it is difficult to get the adaptive parameters.The problem can be solved in the proposed way

in which optimal number of iteration to segment fabric defect image automatically is determined based on minimum difference of uniformity within region.Segmentations on various defect images are implemented with the proposed approach and the experimental results demonstrate its reliability and validity.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

区域和邻域级信息相结合的加强型PFCM含噪图像分割算法

SwinT-Unet：基于双通道自注意力机制的超声图像分割方法

基于比尔朗伯定律的变分水平集模型

ED-NAS: 基于神经网络架构搜索的陶瓷晶粒SEM图像分割方法

图像分割的新理论和新方法