一种基于视觉显著性的布匹瑕疵检测方法技术

本发明专利技术公开了一种基于视觉显著性的布匹瑕疵检测方法，包括如下步骤：（1）采集图；（2）亮度特征处理；（3）方向特征处理；（4）多通道叠加归一处理；（5）灰度图处理；（6）二值化处理；（7）瑕疵区域判断，与传统布匹瑕疵检测方法相比，本发明专利技术降低了运算的复杂度，提高了识别率，并能准确定位，同时避免了所检测的布匹完好图的显著图灰度值比瑕疵图中完好部分灰度值更高的情况下容易导致的误检，有效地降低了背景在检测过程中的干扰，且减少了将完好布匹的图像经过自适应阈值分割得到的目标区域误判为瑕疵区域的情况的发生。

A fabric defect detection method based on visual saliency

The invention discloses a fabric defect detection method based on visual saliency, which comprises the following steps: (1) acquisition; (2) the brightness characteristics of processing; (3) the direction of feature processing; (4) multi channel superposition normalization processing; (5) image processing; (6) binarization processing; (7) the defect region judgment, compared with the traditional fabric defect detection method, the invention reduces the computational complexity, improve the recognition rate, and accurate positioning, while avoiding the saliency map of the detected gray cloth intact value than in Figure flaws intact the gray value of the error higher situation easily which can effectively reduce the background interference in the detection process, and reduces the image intact after cloth adaptive threshold segmentation target area was mistaken for defect area situation.

【技术实现步骤摘要】
一种基于视觉显著性的布匹瑕疵检测方法
本专利技术涉及一种布匹瑕疵检测方法，具体涉及一种基于视觉显著性的布匹瑕疵检测方法。
技术介绍
在现代纺织生产中，质量的控制与检测非常重要，布匹的瑕疵检测是其中尤为关键的组成部分，目前，国内纺织企业的检测方式多以人工为主，人眼检测速度有限，检测结果易受主观因素影响，易发生误检、漏检等。以先进的自动检测技术代替人工布匹瑕疵检测，是提高检测效率、减少劳动力、降低人工劳动强度和保证布匹质量的重要措施。国内外学者在自动检测方法的研究上取得了很多卓越的成绩。布匹瑕疵检测算法主要是根据检测到的布匹的纹理形状进行瑕疵判断，大致有3类：统计法、谱分析法和基于模型法。其中最常见的是的运用傅里叶变换、小波变换和Gabor分析的频谱分析法。傅里叶变换是对图进行全局变换，因而不能准确定位瑕疵；Gabor分析的变换检测性能较好，然而需要对多通道方向进行二维滤波以及融合，大大增加计算复杂度；小波变换有良好的局部时频分析、计算速度快等优点，但是方向选择性差，使其不能很好描述二维图特性，导致检测效果不理想。人类能快速有效地识别出缺陷，无论反光强弱、缺陷形状的变化、不同生产工艺造成的差别等等。布匹呈现在人眼前时，其瑕疵部分较为显著，能够引起视觉注意。也就是说，图中待发现的信息往往集中在一些关键的区域，通常称之为显著区域。如果能够准确地提取这些显著区域，即在视觉上吸引人注意的区域，我们就能有效找到需要的图信息。为了从图中提取显著区域，人们提出了基于视觉注意的计算模型。在这些模型中，用显著图表示视觉区域的显著性。显著图是一幅二维图，它的每个像素点的值表示原图对应像素点的显著性大小。本专利技术便是基于视觉显著性原理，提供了一种对布匹图进行瑕疵检测的方法。
技术实现思路
本专利技术的目的是提供一种基于视觉显著性的布匹瑕疵检测方法，模拟人的视觉注意机制，以GBVS（Graph-basedVisualSaliency）模型为基础，通过提取布匹的亮度特征和方向特征，生成视觉显著图，通过分析视觉显著图的灰度分布关系，判断视觉显著图是否能量集中，进而判断布匹是否存在瑕疵。为达到上述专利技术目的，本专利技术采用的技术方案是：一种基于视觉显著性的布匹瑕疵检测方法，包括如下步骤：（1）、采集图像，对布匹进行图采集，得到初始灰度图；（2）、GBVS模型生成显著图像，根据GBVS模型生成所述初始灰度图的综合显著图；（3）、灰度图处理，减小所述综合显著图各像素点的灰度值，从而得到减弱背景显著性后的最终显著图；（4）、二值化处理，根据最大类间方差法，对所述最终显著图进行自适应阈值分割，得到具有突出显著的目标部分的二值图；（5）、瑕疵区域判断，通过比较所述最终显著图中对应目标区域的灰度平方和与所述综合显著图整个区域的灰度平方和，以判断目标区域是否为瑕疵。进一步的技术方案，步骤（2）包括如下分步骤：（a）、亮度特征处理，对所述初始灰度图进行高斯金字塔滤波，得到一组不同尺度下的亮度特征滤波结果，对每个所述亮度特征滤波结果，根据其像素间的差异和欧氏距离建立各自的马尔科夫链，然后求其马尔科夫平衡分布，将马尔科夫平衡分布后的所述一组不同尺度下的亮度特征滤波结果进行归一化处理，得到一张亮度特征显著图；(b)、方向特征处理，对所述初始灰度图在四个方向上进行Gabor金字塔滤波，对应得到四组不同尺度下的方向特征滤波结果，对每个所述方向特征滤波结果，根据其像素间的差异和欧氏距离建立各自的马尔科夫链，然后求其马尔科夫平衡分布，将马尔科夫平衡分布后的所述一组不同尺度下的方向特征滤波结果进行归一化处理，得到一张方向特征显著图；（c）、多通道叠加归一处理，将步骤（a）中的所述亮度特征显著图和步骤（b）中的所述方向特征显著图线性相加并进行归一化处理，得到综合显著图；其中，所述步骤（a）和步骤（b）无先后顺序。进一步的技术方案，步骤（3）采用如下方法：计算所述综合显著图的各个像素点的灰度平均值，判断所述各个像素点的灰度值是否大于所述灰度平均值，如果所述灰度值小于所述灰度平均值，则对所述灰度值进行归零处理，否则所述灰度值等于其与所述灰度平均值的差值，得到减弱背景显著性的最终显著图。进一步的技术方案，步骤（5）采用如下方法：标定所述最终显著图对应于所述目标部分的区域为目标区域，分别计算所述最终显著图的目标区域的像素点灰度平方和及所述综合显著图的整个区域的像素点灰度平方和，进而计算所述目标区域灰度平方和与所述整个区域灰度平方和的比值，如果所述比值低于判断阈值时，则所述目标区域为瑕疵区域，否则所述目标区域不是瑕疵区域。进一步的技术方案，所述判断阈值的取值范围为0.15～0.4。由于上述技术方案运用，本专利技术与现有技术相比具有下列优点：1、通过对输入的布匹图进行视觉显著性分析，判断是否得到具有突出显著的目标区域的二值图，进而判断布匹是否存在瑕疵，与传统布匹瑕疵检测方法相比，本专利技术降低了运算的复杂度，提高了识别率，并能准确定位；2、通过使综合显著图中像素灰度值高于平均值的点的灰度值减小，使综合显著图中像素灰度值低于平均值的点的灰度值归零，以减弱背景（视布匹完好区域为背景）显著性，使得瑕疵区域与完好区域的显著性有明显的差距，避免了由于所述综合显著图的生成原理的缘故，所检测的布匹完好区域的灰度值比瑕疵区域中的完好部分灰度值还要高的情况下容易导致的误检，有效地降低了背景在检测过程中的干扰；3、由于人眼在观察纹理均匀图时总有相对注意力集中的区域，因此基于视觉显著性的布匹瑕疵的检测方法容易将布匹完好图经过分割得到的目标部分误判为瑕疵区域，通过提取目标区域的图特征信息进行能量判断，判断此目标区域是否是能量集中区域，最终确定瑕疵区域，计算所述最终显著图中对应于所述目标部分的目标区域的像素点灰度平方和及所述综合显著图的整个区域的像素点灰度平方和，进而计算所述两者的比值，通过比值大小判断该目标区域是否能量相对集中，比值大于判断阈值，即能量相对集中，则所述目标区域为瑕疵，否则所述目标区域不为瑕疵，通过以上的技术方案，减少了误判的发生。附图说明图1是本专利技术公开的基于视觉显著性的布匹瑕疵检测方法的实施流程图；图2是本专利技术公开的布匹完好图的逐步检测结果图；图3是本专利技术公开的布匹典型瑕疵图的逐步检测结果图；图4，图5，图6，图7是本专利技术公开的布匹其他瑕疵图的检测结果图。具体实施方式下面结合附图及实施例对本专利技术进一步描述。实施例：参见图1，如其中的图例所示，上述布匹瑕疵检测方法包括如下步骤：（1）、采集图像，通过工业相机采集布匹的图，得到初始灰度图，如图2（a）为布匹完好图的初始图，如图3（a）为布匹典型瑕疵图的初始灰度图。（2）、亮度特征处理：a、通过二维高斯滤波器对输入的上述初始灰度图进行高斯金字塔滤波，金字塔滤波是指对初始灰度图不断进行1/2降采样和滤波，滤波的尺度因子随图的减小而减小，得到一组不同尺度下的滤波结果，本例中金字塔等级为2，即得到两个尺度下的不同亮度特征滤波结果，即两张亮度特征图；其中,是初始灰度图，是对亮度特征在尺度因子下用高斯函数滤波得到的高斯金字塔，为二维高斯滤波器的高斯函数，为相应图中像素点的位置，为相应图的尺度因子；b、对每张所述亮度特征图进行马尔科夫平衡分布，进而归一化处理，得到亮度本文档来自技高网...

【技术保护点】
一种基于视觉显著性的布匹瑕疵检测方法，其特征在于，包括如下步骤：（1）、采集图像，对布匹进行图采集，得到初始灰度图；（2）、GBVS模型生成显著图像，根据GBVS模型生成所述初始灰度图的综合显著图；包括如下分步骤：（a）、亮度特征处理，对所述初始灰度图进行高斯金字塔滤波，得到一组不同尺度下的亮度特征滤波结果，对每个所述亮度特征滤波结果，根据其像素间的差异和欧氏距离建立各自的马尔科夫链，然后求其马尔科夫平衡分布，将马尔科夫平衡分布后的所述一组不同尺度下的亮度特征滤波结果进行归一化处理，得到一张亮度特征显著图；(b)、方向特征处理，对所述初始灰度图在四个方向上进行Gabor金字塔滤波，对应得到四组不同尺度下的方向特征滤波结果，对每个所述方向特征滤波结果，根据其像素间的差异和欧氏距离建立各自的马尔科夫链，然后求其马尔科夫平衡分布，将马尔科夫平衡分布后的所述一组不同尺度下的方向特征滤波结果进行归一化处理，得到一张方向特征显著图；（c）、多通道叠加归一处理，将步骤（a）中的所述亮度特征显著图和步骤（b）中的所述方向特征显著图线性相加并进行归一化处理，得到综合显著图；其中，所述步骤（a）和步骤（b）无先后顺序；（3）、灰度图处理，减小所述综合显著图各像素点的灰度值，从而得到减弱背景显著性后的最终显著图；（4）、二值化处理，根据最大类间方差法，对所述最终显著图进行自适应阈值分割，得到具有突出显著的目标部分的二值图；（5）、瑕疵区域判断，通过比较所述最终显著图中对应目标区域的灰度平方和与所述综合显著图整个区域的灰度平方和，以判断目标区域是否为瑕疵。...

【技术特征摘要】
1.一种基于视觉显著性的布匹瑕疵检测方法，其特征在于，包括如下步骤：（1）、采集图像，对布匹进行图采集，得到初始灰度图；（2）、GBVS模型生成显著图像，根据GBVS模型生成所述初始灰度图的综合显著图；包括如下分步骤：（a）、亮度特征处理，对所述初始灰度图进行高斯金字塔滤波，得到一组不同尺度下的亮度特征滤波结果，对每个所述亮度特征滤波结果，根据其像素间的差异和欧氏距离建立各自的马尔科夫链，然后求其马尔科夫平衡分布，将马尔科夫平衡分布后的所述一组不同尺度下的亮度特征滤波结果进行归一化处理，得到一张亮度特征显著图；(b)、方向特征处理，对所述初始灰度图在四个方向上进行Gabor金字塔滤波，对应得到四组不同尺度下的方向特征滤波结果，对每个所述方向特征滤波结果，根据其像素间的差异和欧氏距离建立各自的马尔科夫链，然后求其马尔科夫平衡分布，将马尔科夫平衡分布后的所述一组不同尺度下的方向特征滤波结果进行归一化处理，得到一张方向特征显著图；（c）、多通道叠加归一处理，将步骤（a）中的所述亮度特征显著图和步骤（b）中的所述方向特征显著图线性相加并进行归一化处理，得到综合显著图；其中，所述步骤（a）和步骤（b）无先后顺序；（3）、灰度图处理，减小所述综合显著图各像素点的灰度值，从而得...

【专利技术属性】
技术研发人员：何志勇，孙立宁，胡佳娟，翁桂荣，左保齐，余雷，
申请(专利权)人：苏州大学，
类型：发明
国别省市：江苏,32