周 强 杜晞盟 王志强



·纸病图像背景补偿·

基于多尺度冗余字典稀疏分解的纸病图像背景补偿方法

周 强 杜晞盟*王志强

(陕西科技大学电气与信息工程学院,陕西西安,710021)

对于纸病检测中纸张图像背景不均匀以及图像灰度特征不明显等造成纸病测量精度低的问题，建立多尺度冗余字典,采用正交匹配追踪算法(OMP)对纸病图像进行稀疏分解,并根据纸病背景图像和纸病图像不同形态特征,对背景进行补偿,从而增强纸病特征。实验表明,该方法能够有效地重构并补偿纸病背景图像,突出灰度特征较弱的纸病,提高纸病检测的准确性。

纸病检测；稀疏分解；正交匹配追踪算法；多尺度冗余字典；图像背景补偿

纸张在生产和加工过程中,由于环境、机械等原因,有可能会出现不同的纸病。其中外观纸病对纸张的直接使用及进一步加工有很大的影响。由于造纸工艺和设备的不断改进,纸机的幅宽和速度都不断增加,所以对纸病检测效率和准确性提出更高的要求。机器视觉就是机器代替人眼来做测量和判断,通过机器视觉设备将拍摄目标转换成图像信号。智能系统根据图像处理技术和模式识别理论对纸张图像进行处理、分析,在线辨识纸病的种类和大小,标识纸病位置,以便现场操作人员进行补救工作。目前随着机器视觉技术的快速发展,其在造纸生产领域发挥的作用越来越重要。

研究表明，常见的外观纸病有黑斑、亮斑、空洞、油污和褶皱等。……