冯晓霞，陈剑威，柳成林

(闽南师范大学数学与统计学院，福建 漳州 363000)

随着计算机和图像处理技术的发展，应用人工神经网络代替人脑[1]进行织物疵点判别成为可能.BP神经网络由以Rumelhar和McClelland为首的科学家在1986年提出[2].该网络具有很强的非线性拟合能力，被广泛应用于织物疵点判别.李鹏飞等[3]借助织物图像的灰度共生矩阵提取特征，用两层BP神经网络检测图像疵点；周继坤[4]借助玻纤布图像的奇异分解提取特征，用两层BP神经网络判别图像中是否存在疵点；YIN等[5]借助斜纹织物图像的灰度直方图提取特征，用两层BP神经网络判别图像中是否存在两种疵点(破洞和油污).上述方法在应用BP神经网络对疵点进行检测或判断时，均只使用了织物图像的1类特征向量.BREIMAN[6]于2001年提出了随机森林的概念，常被用作分类器；吕岚[7]将图像中兴趣点的检测归结为模式识别中的分类问题，采用随机森林检测图像兴趣点；DEOTALE等[8]利用灰度图像的共生矩阵和Gabor小波特征分别生成随机树，应用随机森林判别图像中是否存在疵点.仅考虑1类特征描述图像纹理过于单一，综合多种特征刻画图像纹理，结合随机森林对疵点进行检测或判断也许能提高检测效果或正确率.为提高运用BP神经网络判别织物疵点时的准确率，本文受文献[3-8]启发，借助频谱图滤波、灰度共生矩阵和局部二值模式分别提取织物图像的3个特征向量，通过3个两层BP神经网络并联，结合随机森林，设计出一种用……