买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉江南大学申请的专利一种基于稀疏字典优选的织物疵点检测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116091423B 。

龙图腾网通过国家知识产权局官网在2025-07-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211666370.X，技术领域涉及：G06T7/00；该发明授权一种基于稀疏字典优选的织物疵点检测方法及系统是由周建;王小虎;王蕾;潘如如设计研发完成，并于2022-12-23向国家知识产权局提交的专利申请。

本一种基于稀疏字典优选的织物疵点检测方法及系统在说明书摘要公布了：本发明提供一种基于稀疏字典优选的织物疵点检测方法及系统，该方法包括采集待检测织物的图像，将所述图像分为正常图像和检测图像；设置稀疏字典，对所述正常图像进行预处理后进行稀疏字典学习，得到包含正常织物纹理信息的稀疏字典D；设置子字典，对稀疏字典D进行优选，得到包含多个子字典的字典集合；对经过预处理后的检测图像，利用所述字典集合对其进行重构，经过计算得到残差图像；对所述残差图像进行阈值分割得到疵点图像块，对所述疵点图像块进行误检抑制处理，得到最终的疵点图像块；对最终的疵点图像块进行记录和标记。本发明提高了算法时间效率，且模型泛用性广，在同时具有较高的实时性的同时拥有较高的检测精准度。

本发明授权一种基于稀疏字典优选的织物疵点检测方法及系统在权利要求书中公布了：1.一种基于稀疏字典优选的织物疵点检测方法，其特征在于，包括： S1：采集待检测织物的图像，将所述图像分为正常图像和检测图像； S2：设置稀疏字典，对所述正常图像进行预处理后进行稀疏字典学习，得到包含正常织物纹理信息的稀疏字典D； S3：设置子字典，对稀疏字典D进行优选，得到包含多个子字典的字典集合,包括以下步骤: S31：输入正常图像块样本集合学习的稀疏字典D，初始化字典子字典原子数量k,重构误差界限L； S32：初始化迭代周期i＝1； S33：从稀疏字典D中随机挑选k个字典原子组合成子字典Si； S34：通过公式更新Si，将Si添加至字典集合S； S35：将满足条件的图像块数据删除，更新图像块样本集合X； S36：判断图像块样本集合X是否为空集，当图像块样本集合迭代周期i＝i+1，返回执行步骤S33；当图像块样本集合输出分组的字典集合S＝{S1,S2,…,Sq}； S4：对经过预处理后的检测图像，利用所述字典集合对其进行重构，经过计算得到残差图像； S5：对所述残差图像进行阈值分割得到疵点图像块，对所述疵点图像块进行误检抑制处理，得到最终的疵点图像块,包括以下步骤： S51：输入分割后疵点图像块样本集Bt＝[b1,b2,…,bn]，疵点图像块对应的重构误差Ct＝[c1,c2,…,cn]，抑制程度控制系数σ； S52：找到当前图像中最大的重构误差及其对应的图像块； S53：根据公式δ＝σ×max[c1,c2,…,cn]计算阈值δ； S54：根据阈值δ将所有疵点块分为两类，第一类，ci大于阈值δ的疵点图像块，将ci对应的疵点图像块bi作为真疵点图像块，将bi添加至疵点图像块Bt；第二类，ci小于等于阈值δ的疵点图像块，此类疵点图像块为检测错误的，将ci对应的疵点图像块bi剔除；此外，当所有疵点块都在第一类中，此图像为无疵点图像； S55：输出疵点图像块Bt＝[b1,b2,…,bm]； S6：对最终的疵点图像块进行记录和标记。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人江南大学，其通讯地址为：214122 江苏省无锡市滨湖区蠡湖大道1800号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。