马明寅 ,狄 岚,2* ,梁久祯

（1.江南大学人工智能与计算机学院，无锡，214122；2.道路交通安全公安部重点实验室,无锡，214151；3.常州大学信息科学与工程学院，常州，213164）

在纺织品的生产过程中，质量的控制与检测非常重要.目前，由于人工手动操作检测瑕疵是大多数工厂的检验方式.但这种方式工作强度过大，缺乏客观性，受外界干扰的因素较多，效率较低，检验的错误率也较高.人力成本的提升使生产自动化越来越受到人们的关注.纺织品大致可以分为纯色的无图案纺织品与有图案的纺织品.无图案的纺织品，样式朴素，没有复杂的花纹，常为平纹和斜纹；有图案的纺织品，结构复杂，包含复杂的图案，大部分含图案的纺织品都具有水平与垂直方向上的周期变化特性，瑕疵的类型较多.本文主要研究针对图案含有复杂周期性变化的纺织品的瑕疵检测.

现阶段对于纺织品瑕疵检测的方法主要分为统计学方法［1-3］、光谱的方法［4-6］、模型的方法［7-8］、学习的方法［9-10］和结构的方法［11］.而其中布林线波段法（Bollinger Bands，BB）［12］、正则带法（Regular Bands，RB）［13］、Elo 评分方法（Elo Rating，ER）［14］、基于小波预处理的黄金图像减法（Wavelet preprocessed Golden Image Subtraction，WGIS）［15］和基于模板校正的方法（Templatebased Correction，TC）［16］，处于目前该领域研究的领先地位.

在图像校正的领域中，赵卓等［17］在2004 年针对性建立了在视觉增强环境下校正图像的模型，并提出利用边缘检测进行自动校正的方法；之后胡东红等［18］在2009 年介绍了透视变换和控制点变换两种图像校正方法，分析了两种方法的特点和差异，并讨论了两种方法在实际情况中的应用，得出了在复杂情况下透视变换的校正效果好于控制点变换的结论；……