Resumen

La transformada wavelet compleja de doble árbol (DTCWT) resuelve los problemas de varianza de desplazamiento y baja selectividad direccional en dos y más dimensiones que se encuentran con la transformada wavelet discreta (DWT) de uso común. Se ha propuesto para aplicaciones como la clasificación de texturas y la recuperación de imágenes basada en el contenido. En este trabajo se evalúa el rendimiento de la transformada wavelet compleja de doble árbol para la detección de defectos en tejidos. Como muestras experimentales, se utilizan las imágenes de tejidos de TILDA, una base de datos de texturas textiles del Grupo de Trabajo sobre Análisis de Texturas del Consejo Alemán de Investigación (DFG). Las energías medias de las partes real e imaginaria de los coeficientes de ondículas complejas tomadas por separado se identifican como características eficaces para la detección de defectos en los tejidos. A continuación, se demuestra que el uso de la transformada wavelet compleja de doble árbol ofrece un mayor rendimiento en comparación con la transformada wavelet no decimal (UDWT), con una tasa de detección entre un 4,5% y un 15,8% superior en función del tipo de tejido.

• Materias:Biotecnología Nanotecnología Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Nanotechnology Sensor networks Sensor system Sensor technology
• Palabras claves:transformada wavelet compleja, detección de defectos en tejidos, árbol, consejo alemán de investigación, coeficientes wavelet complejos, transformada wavelet discreta, baja selectividad direccional, base de datos de texturas textiles, transformada wavelet no decimada, análisis de texturas
• Keywords:complex wavelet transform, fabric defect detection, tree, german research council, complex wavelet coefficients, discrete wavelet transform, low directional selectivity, textile texture database, undecimated wavelet transform, texture analysis