一种基于总变差的织物疵点分割方法技术

本发明专利技术属于纺织加工技术领域，涉及一种基于总变差的织物疵点分割方法，步骤如下：第一步：将待检测到织物图像样本I连续有重叠地划分成w×w大小的子窗口；第二步：将每个子窗口的列向量排列为一个行数为w×w的矩阵A；第三步：对矩阵A进行奇异值分解；第四步：对待检测到织物图像样本I的子窗体进行重构；第五步：重复第四步将待检测到织物图像样本I中所有子窗口进行重构；第六步：获取疵点残差图S后，应用基于总变差的方程求解Sx和Sy，第七步：采用阈值H对STV进行二值化处理，进而实现疵点的分割。本发明专利技术使整个检测过程不需要训练样本和训练过程；能适应各种复杂多变纹理下的疵点，且对变化微弱疵点检测精度高。

【技术实现步骤摘要】
一种基于总变差的织物疵点分割方法
本专利技术属于纺织加工
，涉及一种基于总变差的织物疵点分割方法。
技术介绍
对于纺织生产型企业而言，装备先进的纺织品检测技术，是生产高品质产品的必要条件。织物瑕疵是影响纺织品质量的重要因素，然而目前大部分纺织企业仍然是采取人工方式进行坯布成品检验，存在劳动强度高，效率低，漏检高。随着工业机器视觉技术的发展，在织物的疵点检测中运用自动检验技术来提高生产效率和质量是一个必然的趋势。应用机器视觉代替人工视觉进行织物疵点自动检测的核心在于设计有效疵点识别方法，即将让计算机将坯布上的疵点主体区域自动识别并从背景中分割出来。由于织物为柔性片状物，其织物交织规律复杂多变，所形成的纹理千变万化、同时所形成的疵点也复杂多样，为此设计能识别多种织物疵点的分割方法可以为织物疵点自动识别应用提供理论基础。但是目前，织物疵点分割方法尚未成熟，主要是识别的类型少，对于变异小的疵点识别准确度不够，为此本专利技术提供了一种基于总变差的织物疵点分割方法，可以有效的将变化微弱的疵点区域分割出来，且整个检测过程无需参考样本。
技术实现思路
本专利技术提供了一种基于总变差的织物疵点分割方法，解决机织物人工验布带来的漏检、工作强度大、效率低等弊端。本专利技术的技术方案：一种基于总变差的织物疵点分割方法，步骤如下：第一步：待检测到织物图像样本I的大小为m×n，将其连续有重叠地划分成w×w大小的子窗口，其子窗口总个数为(m-w+1)×(n-w+1)；其中，w的取值范围为16～40；第二步：将每个子窗口视为一个行数为w×w的列向量，并将该列向量排列为一个行数为w×w的矩阵A，该矩阵A的子窗体总数为(m-w+1)×(n-w+1)；第三步：对矩阵A进行奇异值分解，即A＝UDVT，U为m×m的矩阵，D为m×n的矩阵，V为n×n的矩阵。提取矩阵U的前p列，记为Up；其中，T为转置，p的取值范围为3～15；第四步：采用如下公式对待检测到织物图像样本I的子窗体进行重构，得到重构图像Im；式中，yi表示任一子窗口，为yi的重构；第五步：重复第四步将待检测到织物图像样本I中所有子窗口进行重构；计算相应的疵点残差图S＝|I-Im|；第六步：获取疵点残差图S后，应用基于总变差的方程求解Sx和Sy，其中Sx和Sy表示水平和垂直方向的疵点信息，总变差的方程公式如下：其中，T为转置；F是Frobenius范数；λy为y方向的惩罚因子，取值范围为0.1～0.4；λx为x方向的惩罚因子，取值范围为0.1～0.4；第七步：将Sx和Sy的值归一化到区间[0,1]，融合后得到STV＝(Sx+Sy)/2；计算STV中所有元素的标准差σ与平均值μ，设阈值H＝μ+2σ，采用阈值H对STV进行二值化处理，进而实现疵点的分割。本专利技术的有益效果：本专利技术所提供的一种基于总变差的织物疵点分割方法以无监督方式工作，整个检测过程不需要训练样本和训练过程；能适应各种复杂多变纹理下的疵点，且对变化微弱疵点检测精度高。从而为自动疵点检测系统提供算法基础，有助于实现验布工序连续化、智能化程度及质量管理水平。附图说明图1是实施例1疵点织物图像。图2是实施例1疵点残差图。图3是实施例1垂直方向的疵点总变差图Sy。图4是实施例1水平方向的疵点总变差图Sx。图5是实施例1融合水平和垂直疵点总变差图STV。图6对实施例1图1中疵点的分割效果图。图7是实施例2疵点织物图像。图8是实施例2疵点残差图。图9是实施例2垂直方向的疵点总变差图Sy。图10是实施例2水平方向的疵点总变差图Sx。图11是实施例2融合水平和垂直疵点总变差图STV。图12对实施例2图1中疵点的分割效果图。图13是实施例3疵点织物图像。图14是实施例3疵点残差图。图15是实施例3垂直方向的疵点总变差图Sy。图16是实施例3水平方向的疵点总变差图Sx。图17是实施例3融合水平和垂直疵点总变差图STV。图18对实施例3图1中疵点的分割效果图。具体实施方式下面结合技术方案和附图，进一步说明本专利技术的具体实施方式。实施例11、待检测的疵点织物图像I，见图1所示，其大小为256×256，将其连续有重叠地划分成16×16大小的子窗口，其总个数为58081。将每个子窗口视为一个行为256的列向量，并重新排列为一个行为256，列为子窗体总数58081的矩阵，记为A。2、对矩阵A进行奇异值分解，即A＝UDVT。分解后提取所得矩阵U的前3列，记为Up。将疵点织物图像样本I连续无重叠地划分16×16的子窗口，并采用如下公式对其每个子窗体进行重构：式中，yi表示任一子窗口，为yi的重构。将I中所有子窗口进行重构，得到I的重构图像，记为Im。进而得到相应的疵点残差图S＝|I-Im|，即图2所示。3、获取疵点残差图S后，令λx＝λy＝0.1应用基于总变差的方程求解Sx和Sy，其中Sx和Sy表示水平和垂直方向的疵点信息，其公式如下：得到图3所示垂直方向的疵点总变差图Sy，以及图4所示水平方向的疵点总变差图Sx。4、将Sx和Sy的值归一化到区间[0,1]，融合后得到STV＝(Sx+Sy)/2,如图5所示。5、计算STV中所有元素的标准差σ＝0.081与平均值μ＝0.611，则阈值H＝0.773，为阈值对STV所进行二值化，进而实现疵点的分割，从而最终得到如图6所示，从图中可以看出本专利技术能很有效地将疵点区域进行准确分割。实施例21、待检测的疵点织物图像I，见图7所示，其大小为256×256，将其连续有重叠地划分成40×40大小的子窗口，其总个数为47089。将每个子窗口视为一个行为1600的列向量，并重新排列为一个行为1600，列为子窗体总数47089的矩阵，记为A。2、对矩阵A进行奇异值分解，即A＝UDVT。分解后提取所得矩阵U的前15列，记为Up。将疵点织物图像样本I连续无重叠地划分40×40的子窗口，并采用如下公式对其每个子窗体进行重构：式中，yi表示任一子窗口，为yi的重构。将I中所有子窗口进行重构，得到I的重构图像，记为Im。进而得到相应的疵点残差图S＝|I-Im|，即图8所示。3、获取疵点残差图S后，令λx＝λy＝0.4应用基于总变差的方程求解Sx和Sy，其中Sx和Sy表示水平和垂直方向的疵点信息，其公式如下：得到图9所示垂直方向的疵点总变差图Sy，以及图10所示水平方向的疵点总变差图Sx。4、将Sx和Sy的值归一化到区间[0,1]，融合后得到STV＝(Sx+Sy)/2,如图5所示。5、计算STV中所有元素的标准差σ＝0.0691与平均值μ＝0.493，则阈值H＝0.631，为阈值对STV所进行二值化，进而实现疵点的分割，从而最终得到如图12所示，从图中可以看出本专利技术能很有效地将疵点区域进行准确分割。实施例31、待检测的疵点织物图像I，见图13所示，其大小为256×256，将其连续有重叠地划分成32×32大小的子窗口，其总个数为(256-32+1)×(256-32+1)。将每个子窗口视为一个行为32×32的列向量，并重新排列为一个行为32×32，列为子窗体总数50625的矩阵，记为A。2、对矩阵A进行奇异值分解，即A＝UDVT。分解后提取所得矩阵U的前10列，记为Up。将疵点织物图像样本I连续无重叠地划分32×32的子窗口，并采用如下公式对其每个子本文档来自技高网...

【技术保护点】
1.一种基于总变差的织物疵点分割方法，其特征在于，步骤如下：第一步：待检测到织物图像样本I的大小为m×n，将其连续有重叠地划分成w×w大小的子窗口，其子窗口总个数为(m‑w+1)×(n‑w+1)；第二步：将每个子窗口视为一个行数为w×w的列向量，并将该列向量排列为一个行数为w×w的矩阵A，该矩阵A的子窗体总数为(m‑w+1)×(n‑w+1)；第三步：对矩阵A进行奇异值分解，即A＝UDVT，U为m×m的矩阵，D为m×n的矩阵，V为n×n的矩阵；提取矩阵U的前p列，记为Up；其中，T为转置；第四步：采用如下公式对待检测到织物图像样本I的子窗体进行重构，得到重构图像Im；

【技术特征摘要】
1.一种基于总变差的织物疵点分割方法，其特征在于，步骤如下：第一步：待检测到织物图像样本I的大小为m×n，将其连续有重叠地划分成w×w大小的子窗口，其子窗口总个数为(m-w+1)×(n-w+1)；第二步：将每个子窗口视为一个行数为w×w的列向量，并将该列向量排列为一个行数为w×w的矩阵A，该矩阵A的子窗体总数为(m-w+1)×(n-w+1)；第三步：对矩阵A进行奇异值分解，即A＝UDVT，U为m×m的矩阵，D为m×n的矩阵，V为n×n的矩阵；提取矩阵U的前p列，记为Up；其中，T为转置；第四步：采用如下公式对待检测到织物图像样本I的子窗体进行重构，得到重构图像Im；式中，yi表示任一子窗口，为yi的重构；第五步：重复第四步将待检测到织物图像样本I中所有子窗口进行重构；计算相应的疵点残差图S＝|I-Im|；第六步：获取疵点残差图S后，应用基于总变差的方程求解Sx和Sy，其中Sx和Sy表示水平和垂直方向的疵点...

【专利技术属性】
技术研发人员：周建，高卫东，潘如如，王蕾，彭子睿，
申请(专利权)人：江南大学，
类型：发明
国别省市：江苏,32