Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Similarity Metric Learning for 2D to 3D Registration of Brain Vasculature Kapitel lesen Erstes Kapitel lesen

2016 | OriginalPaper | Buchkapitel

Stereo-Image Normalization of Voluminous Objects Improves Textile Defect Recognition

verfasst von : Dirk Siegmund, Arjan Kuijper, Andreas Braun

Erschienen in: Advances in Visual Computing

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The visual detection of defects in textiles is an important application in the textile industry. Existing systems require textiles to be spread flat so they appear as 2D surfaces, in order to detect defects. In contrast, we show classification of textiles and textile feature extraction methods, which can be used when textiles are in inhomogeneous, voluminous shape. We present a novel approach on image normalization to be used in stain-defect recognition. The acquired database consist of images of piles of textiles, taken using stereo vision. The results show that a simple classifier using normalized images outperforms other approaches using machine learning in classification accuracy.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel A Multiple Object Tracking Evaluation Analysis Framework
Nächstes Kapitel Reliability-Based Local Features Aggregation for Image Segmentation
Literatur
1.
Hong Kong Productivity Council: Textile Handbook 2000. The Hong Kong Cotton Spinners Association (2000)
2.
Kumar, A.: Computer-vision-based fabric defect detection: a survey. IEEE Trans. Ind. Electron. 55, 348–363 (2008)CrossRef
3.
Mishra, D.: A survey-defect detection and classification for fabric texture defects in textile industry. Int. J. Comput. Sci. Inf. Secur. 13, 48 (2015)
4.
Ngan, H.Y., Pang, G.K., Yung, N.H.: Automated fabric defect detection–a review. Image Vision Comput. 29, 442–458 (2011)CrossRef
5.
Borghese, N.A., Fomasi, M.: Automatic defect classification on a production line. Intell. Ind. Syst. 1, 373–393 (2015)CrossRef
6.
Murino, V., Bicego, M., Rossi, I.A.: Statistical classification of raw textile defects. In: ICPR 2004, pp. 311–314 (2004)
7.
Rebhi, A., Benmhammed, I., Abid, S., Fnaiech, F.: Fabric defect detection using local homogeneity analysis and neural network. J. Photonics 2015 (2015)
8.
Abou-Taleb, H.A., Sallam, A.T.M.: On-line fabric defect detection and full control in a circular knitting machine. AUTEX Res. J. 8, 21–29 (2008)
9.
Schicktanz, K.: Automatic fault detection possibilities on nonwoven fabrics. Melliand Textilberichte 74, 294–295 (1993)
10.
Islam, M.A., Akhter, S., Mursalin, T.E., Amin, M.A.: A suitable neural network to detect textile defects. In: ICONIP 2006, pp. 430–438. Springer, Heidelberg (2006)
11.
12.
Siegmund, D., Kaehm, O., Handtke, D.: Rapid classification of textile fabrics arranged in piles. In: Proceedings of the 13th International Conference on Signal Processing and Multimedia Applications, SIGMAP 2016, Lisbon, Portugal, 26–28 July 2016. SciTePress (2016)
13.
Gevers, T., Stokman, H.: Classifying color edges in video into shadow-geometry, highlight, or material transitions. IEEE Trans. Multimedia 5, 237–243 (2003)CrossRef
14.
Batchelor, B.G.: Lighting and viewing techniques. In: Automated Visual Inspection (1985)
15.
Hirschmüller, H.: Accurate and efficient stereo processing by semi-global matching and mutual information. In: IEEE Computer Society Conference on Computer Vision and Pattern Recognition, CVPR 2005. vol. 2, pp. 807–814. IEEE (2005)
16.
Arthur, D., Vassilvitskii, S.: k-means++: the advantages of careful seeding. In: Proceedings of the Eighteenth Annual ACM-SIAM Symposium on Discrete Algorithms, pp. 1027–1035. Society for Industrial and Applied Mathematics (2007)
17.
Gevers, T., Smeulders, A.W.: Color-based object recognition. Pattern Recogn. 32, 453–464 (1999)CrossRef
18.
Salvador, E., Cavallaro, A., Ebrahimi, T.: Shadow identification and classification using invariant color models. In: Proceedings of 2001 IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP 2001), vol. 3, pp. 1545–1548. IEEE (2001)
19.
Zhao, G., Pietikäinen, M.: Improving rotation invariance of the volume local binary pattern operator. In: MVA, pp. 327–330 (2007)
20.
Li, Z., Liu, G., Yang, Y., You, J.: Scale- and rotation-invariant local binary pattern using scale-adaptive texton and subuniform-based circular shift. IEEE Trans. Image Process. 21, 2130–2140 (2012)MathSciNetCrossRef
21.
Bay, H., Tuytelaars, T., Gool, L.: SURF: Speeded Up Robust Features. In: Leonardis, A., Bischof, H., Pinz, A. (eds.) ECCV 2006. LNCS, vol. 3951, pp. 404–417. Springer, Heidelberg (2006). doi:10.​1007/​11744023_​32 CrossRef
22.
Zeng, K., Wu, N., Wang, L., Yen, K.K.: Local visual feature detection and description for non-rigid 3d objects. Adv. Image Video Process. 4, 01 (2016)
Metadaten
Titel
Stereo-Image Normalization of Voluminous Objects Improves Textile Defect Recognition
verfasst von
Dirk Siegmund
Arjan Kuijper
Andreas Braun
Copyright-Jahr
2016
Buch
Advances in Visual Computing

Print ISBN: 978-3-319-50834-4

Electronic ISBN: 978-3-319-50835-1

Copyright-Jahr: 2016

DOI
https://doi.org/10.1007/978-3-319-50835-1_17