基于峰值覆盖值和面积计算的纺织品瑕疵检测方法技术

本发明专利技术提供一种基于峰值覆盖值和面积计算的纺织品瑕疵检测方法，该方法分析基于照明光源下平坦纺织品表面的数字图像像素灰度信息，将图像分割为互不重叠的网格，计算每个网格的面积，根据面积分布自动定位纺织品表面瑕疵。本发明专利技术特别适用于自动识别在稳定照明光源下采集的纺织品平坦表面灰度数字图像中的纺织品表面瑕疵。

【技术实现步骤摘要】
基于峰值覆盖值和面积计算的纺织品瑕疵检测方法
本专利技术涉及纺织品瑕疵检测
，特别是涉及一种基于峰值覆盖值和面积计算的纺织品瑕疵检测方法。
技术介绍
传统的纺织品瑕疵人工识别准确率只有60-75％(参见文献：K.Srinivasan,P.H.Dastoor,P.Radhakrishnaiah,etal..FDAS:aknowledge-basedframeworkforanalysisofdefectsinwoventextilestructures,J.Text.Inst.83(1992)431–448.)，机器自动识别纺织品瑕疵的方法具有实际应用需求。平坦纺织品表面的数字图像采样(以下简称纺织品图像)属于二维纹理，二维纹理已被证明可根据17种壁纸群(wallpapergroup)定义的图案排列方法生成(参见文献：H.Y.T.Ngan,G.K.H.Pang,N.H.C.Yung.Motif-baseddefectdetectionforpatternedfabric,PatternRecognit.(2008)1878–1894.)，用于生成二维纹理的图案称为图格(lattice)(参见：https://en.wikipedia.org/wiki/Wallpaper_group)，图格内部图案称为motif。多数纺织品瑕疵自动检测方法只能处理墙纸群中p1类型的纺织品图像(参见文献：H.Y.T.Ngan,G.K.H.Pang,N.H.C.Yung.Automatedfabricdefectdetection—Areview,ImageandVisionComputing29(7)(2011)442–458.)，仅有少数方法能处理p1类型以外的纺织品图像(参见文献：H.Y.T.Ngan,G.K.H.Pang,N.H.C.Yung.Motif-baseddefectdetectionforpatternedfabric,PatternRecognit.(2008)1878–1894.)，例如基于小波预处理的基准图像差分方法(wavelet-pre-processedgoldenimagesubtraction，以下简称WGIS)(参见文献：H.Y.T.Ngan,G.K.H.Pang,N.H.C.Yung,etal.,Waveletbasedmethodsonpatternedfabricdefectdetection,PatternRecognit.38(4)(2005)559–576.)，共生矩阵方法(参见文献：C.J.Kuo,T.Su,Grayrelationalanalysisforrecognizingfabricdefects,Text.Res.J.73(5)(2003)461–465.)，布林带方法(Bollingerbands，以下简称BB)(参见文献：H.Y.T.Ngan,G.K.H.Pang,Novelmethodforpatternedfabricinspectionusingbollingerbands,Opt.Eng.45(8)(2006)087202-1–087202-15.)，规则带方法(regularbands，以下简称RB)(参见文献：H.Y.T.Ngan,G.K.H.Pang,Regularityanalysisforpatternedtextureinspection,IEEETrans.Autom.Sci.Eng.6(1)(2009)131–144.)，Elo评估方法(Eloratingmethod，以下简称ER)(参见文献：C.S.C.Tsang,H.Y.T.Ngan,G.K.H.Pang,FabricinspectionbasedontheEloratingmethod,PatternRecognit.51(2016)378–394.)等。尽管这些方法可以处理p1以外的纺织品图像，但它们的计算方法多是建立在基于人工选择的类似格的图案(以下简称图格)之上。例如WGIS要求人工选择图格的尺寸和纹理，BB，RB和ER要求人工定义图格的尺寸。这些先验知识在一定程度上降低了机器识别纺织品瑕疵的自动化程度。
技术实现思路
本专利技术所要解决的技术问题是：为了提高机器识别纺织品瑕疵的自动化程度，本专利技术提供一种基于峰值覆盖值和面积计算的纺织品瑕疵检测方法，主要包括设计一种自动分割纺织品图像为图格的方法以及设计一种基于图格以及图格面积计算的瑕疵识别方法。为使陈述清楚明了，现集中定义本专利技术所涉及的部分符号和概念。表示正整数集合。表示包括零的整数集合。表示包括零的正实数集合。表示包括零的实数集合。表示元素个数为的实向量。表示复数集合。表示元素个数为的复向量。T表示矩阵或向量转置。表示n×m大小的实矩阵，其中表示k×n×m大小的实矩阵，其中若且则Ai,:表示矩阵A的第i行，A:,j表示矩阵A的第j列。若且则Al,:,:表示A中大小为n×m的第l层矩阵，Al,i,:表示A中大小为n×m的第l层矩阵的第i行，Al,:,j表示A中大小为n×m的第l层矩阵的第j列。表示比小的最大整数，例如{ai}表示由索引i确定的由元素ai组成的集合或多重集。|S|表示集合S中的元素个数，若S为向量，则|S|表示向量所含元素个数，|S|称为向量长度。avg(S)或mean(S)：计算集合或多重集S的均值，S的元素均为实数。std(S)：计算集合或多重集S的标准差，S的元素均为实数。med(S)：计算集合或多重集S的中位值，S的元素均为实数。mod(S)：计算多重集S的众数，S的元素均为实数。max(S)表示找出集合或多重集S的元素最大值，例如max(Ic)代表Ic中像素的最大灰度值。max(s条件)表示找出符合条件的的最大值。min(S)表示找出集合或多重集S的元素最小值，例如min(Ic)代表Ic中像素的最小灰度值。args∈S(C(s))表示条件C为真时s的值。argmaxsf(s)表示在函数f的定义域内变量s的取值范围中，使得函数f(s)取最大值的s。argminsf(s)表示在函数f的定义域内变量s的取值范围中，使得函数f(s)取最小值的s。argmaxsf1(s),f2(s)表示在函数f1和f2的定义域交集内变量s的取值范围中，使得函数f1(s)和f2(s)取最大值的s。arg表示在函数f(s)的定义域内变量s1和s2的取值范围中，使得函数f(s)取最大值的s1和s2。argmodi({ai})表示对应多重集{ai}众数mod({ai})的索引。dimx(I)表示二维图像I的总行数，dimy(I)表示I的总列数。图像原点：图像中像素行列索引开始的位置，该位置假设在图像左上角并且值为(1,1)。I(x,y)表示在二维图像I中具有行列索引(x,y)的像素值。行索引由图像原点开始以1为步长向下递增，1≤x≤dimx(I)；列索引由图像原点开始以1为步长向右递增，1≤y≤dimy(I)。图像边界：具有行索引dimx(I)的行和列索引dimy(I)的列。纺织品图像卡通成分Ic：对一幅灰度化的纺织品图像I，应用相对总变差(relativetotalvariation，以下简称RTV)模型(XuL.,Yan本文档来自技高网...

【技术保护点】
一种基于峰值覆盖值和面积计算的纺织品瑕疵检测方法，其特征在于：包括训练阶段和测试阶段两个阶段；训练阶段，根据一系列无瑕疵纺织品灰度图像(以下简称无暇图像)计算图格分割所需参数，而后对无暇图像进行图格分割并计算测试阶段瑕疵识别所需参数；测试阶段，根据训练阶段得到的参数对一副纺织品图像进行图格分割并判断图格是否包含瑕疵，最后标记含有瑕疵的图格；所述训练阶段包括以下步骤：步骤1：根据一系列无暇图像计算图格分割所需参数，以确定图格理想尺寸；步骤2：根据步骤1中获得的图格理想尺寸，对训练样本集进行图格分割，获得训练样本图格；步骤3：计算步骤2中图格分割生成的训练样本图格的图格面积，从而获得训练样本集中无暇图像的无暇面积区间；所述测试阶段包括以下步骤：步骤4：测试样本图格分割，对一副给定的测试样本，按照步骤2的方法对测试样本进行图格分割，获得测试样本图格；步骤5：按照步骤3的方法计算测试样本的图格面积，并将计算结果与无暇图像的图格面积进行比较，以识别有瑕疵的图格。

【技术特征摘要】
1.一种基于峰值覆盖值和面积计算的纺织品瑕疵检测方法，其特征在于：包括训练阶段和测试阶段两个阶段；训练阶段，根据一系列无瑕疵纺织品灰度图像(以下简称无暇图像)计算图格分割所需参数，而后对无暇图像进行图格分割并计算测试阶段瑕疵识别所需参数；测试阶段，根据训练阶段得到的参数对一副纺织品图像进行图格分割并判断图格是否包含瑕疵，最后标记含有瑕疵的图格；所述训练阶段包括以下步骤：步骤1：根据一系列无暇图像计算图格分割所需参数，以确定图格理想尺寸；步骤2：根据步骤1中获得的图格理想尺寸，对训练样本集进行图格分割，获得训练样本图格；步骤3：计算步骤2中图格分割生成的训练样本图格的图格面积，从而获得训练样本集中无暇图像的无暇面积区间；所述测试阶段包括以下步骤：步骤4：测试样本图格分割，对一副给定的测试样本，按照步骤2的方法对测试样本进行图格分割，获得测试样本图格；步骤5：按照步骤3的方法计算测试样本的图格面积，并将计算结果与无暇图像的图格面积进行比较，以识别有瑕疵的图格。2.如权利要求1所述的基于峰值覆盖值和面积计算的纺织品瑕疵检测方法，其特征在于：步骤1具体包括以下步骤：步骤1.1：背景像素投影，根据RTV模型计算纺织品灰度图像I的卡通成分，应用Bradley方法二值化卡通成分，通过形态学腐蚀和膨胀操作对二值化卡通成分降噪，应用Moore-Neighbor跟踪算法得到二值化Ic中的二值对象，计算二值化卡通成分中二值对象面积，删除面积不在区间((1-α)·ma,(1+α)·ma)内的二值对象(其中ma为二值对象面积中位值，且0＜α＜1)得到二值化纺织品图像Itc；计算Itc中每行每列背景像素数，按行索引升序排列每行背景像素数得到背景像素行投影按列索引升序排列每列背景像素数得到背景像素行投影步骤1.2：计算峰值覆盖值，计算纺织品灰度图像I的背景像素行投影的峰值，将峰值按其在背景像素行投影中的索引升序排列得到峰值序列对于pr中第个峰值根据下式计算的覆盖值与背景像素行投影的覆盖值计算方法相同，将上式中下角标r的项替换为具有下角标c的对应项即可，计算的峰值序列计算其中1≤ipc；计算pr中峰值覆盖值的有序集合中元素按大小降序排列；对于中的第个元素峰值序列中满足的有序集合称为第级峰值第级峰值中的元素按其在中的索引升序排列；对于第级峰值，计算每个峰值与其前一峰值在中的索引之差绝对值，计算这些绝对值的中位值及其出现次数组成集合组成集合中元素取值组成集合类似地，根据和pc计算满足的有序集合“第级峰值”计算第级峰值中前后元素在中的索引之差绝对值及其中位值和中位值出现次数组成多重集组成多重集中元素取值组成集合步骤1.3：计算图格理想尺寸，对训练样本集的I1,I2…IN中的第i个训练样本Ii，根据步骤1.2计算Ii的pr，pc，和计算取值集合Ii的理想行数由下式定义：其中，δ为狄拉克δ函数(Diracdeltafunction)，Ii的理想列数计算与类似，即将上式中具有下角标r的项替换为具有下角标c的...

【专利技术属性】
技术研发人员：贾靓，庄丽华，颜榴红，
申请(专利权)人：常州大学，
类型：发明
国别省市：江苏,32