基于层次聚类和Gabor滤波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层次聚类和Gabor滤波的纺织品瑕疵检测方法，通过结合层次聚类算法和Gabor滤波器组，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，自动定位纺织品表面瑕疵，主要步骤包括类格图案分割，特征提取和特征比较三部分。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的数字图像中的纺织品表面瑕疵，是一种基于层次聚类算法的从纺织品图像中自动分割类格图案，并基于Gabor滤波器组对类格图案进行特征提取与瑕疵识别的方法。

Textile defect detection method based on hierarchical clustering and Gabor filtering

The invention provides a hierarchical clustering and Gabor filter textile defect detection method based on combining hierarchical clustering algorithm and Gabor filter analysis of lighting flat textile surface digital image pixel information based on the automatic positioning of textile surface defects, mainly includes the class lattice pattern segmentation, feature extraction and comparison of the three part. The invention is particularly suitable for automatic recognition in stable lighting collection of textile digital image flat surface in the textile surface flaws, is a hierarchical clustering algorithm for automatic segmentation of the class lattice pattern from the textile image, and method based on Gabor filters for feature extraction and defect identification of class lattice pattern.

【技术实现步骤摘要】
基于层次聚类和Gabor滤波的纺织品瑕疵检测方法
本专利技术涉及一种基于层次聚类和Gabor滤波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％(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(K.Srinivasan,P.H.Dastoor,P.Radhakrishnaiah,etal..FDAS:aknowledge-basedframeworkforanalysisofdefectsinwoventextilestructures,J.Text.Inst.83(1992)431–448.)，用于生成二维纹理的图案称为格(lattice)，格的内部图案称为motif。多数纺织品瑕疵自动检测方法只能处理壁纸群中p1类型的纺织品图像(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，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，出自文献：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，布林带方法(Bollingerbands，以下简称BB，出自文献：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，出自文献：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，出自文献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(以下简称类格图案)之上。例如WGIS要求人工选择类格图案的尺寸和纹理，BB，RB和ER要求人工定义类格图案的尺寸。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
本专利技术要解决的技术问题是：为了克服现有纺织品瑕疵自动检测方法仍基于人工选择或人工定义，自动化程度不高的不足，本专利技术提供一种基于层次聚类和Gabor滤波的纺织品瑕疵检测方法，通过结合基于层次聚类(hierarchicalclustering,HC)算法和Gabor滤波器组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，自动定位纺织品表面瑕疵，本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的数字图像中的纺织品表面瑕疵。本专利技术解决其技术问题所采用的技术方案是：一种基于层次聚类和Gabor滤波的纺织品瑕疵检测方法，包括以下步骤：输入灰度化的纺织品图像；类格图案分割：分割纺织品图像产生类格图案，类格图案满足：相对于纺织品图像的行和列，类格图案按图像行的方向横向排列，并按照列的方向纵向排列；在形态成分分析方法的纺织品图案卡通成分Ic中，类格图案具有几何形状并与背景像素在灰度上有显著差异；特征提取：将类格图案与Gabor滤波器组的滤波进行卷积，对卷积结果降维得到一维投影并计算其能量和振幅，根据能量和振幅计算特征向量；计算一维投影之间的车贝雪夫距离，挑选每行类格图案的典型无瑕疵类格图案，根据典型无瑕疵类格图案的特征向量计算理想特征向量；每个类格图案特征向量与理想特征向量间的车贝雪夫距离为所提取的特征；和特征比较：分析特征提取步骤中得到的基于特征向量的车贝雪夫距离直方图，获取表示有瑕疵的像素索引集合。基于层次聚类和Gabor滤波的纺织品瑕疵检测方法，具体步骤为：步骤1：输入灰度化的纺织品图像，通过形态学成分分析方法计算输入图像的卡通成分Ic；步骤2：使用阈值fc·max(Ic)二值化卡通成分Ic得到二值图像Itc；步骤3：计算二值图像Itc中各行背景像素数的多重集各列背景像素数的多重集计算各行背景像素数的多重集和各列背景像素数的多重集的峰值和步骤4：分别计算基于步骤(3)中的峰值和的HC算法轮廓系数，以最大轮廓系数对应的聚类个数初始化HC算法，并对峰值和分别进行聚类，得到的聚类中心构成多重集和步骤5：根据多重集和计算阈值和分别计算中不小于的峰值所对应行索引的间距和中不小于的峰值所对应列索引的间距，即用阈值对中的峰值进行筛选，只计算不小于的峰值所对应的行索引间距，用阈值对中的峰值进行筛选，只计算不小于的峰值所对应的列索引间距；计算构成稳定行间距的最长连续行索引的集合Sh以及构成稳定列间距的最长连续列索引的集合Sv；其中，将中元素按降序排列，从开始，计算其与下一个元素的差的绝对值，若该值不大于DCT尺寸的高，则继续计算当前元素与下一个元素的差的绝对值并与DCT尺寸的高比较，若不大于则继续，若大于则下一个元素为并终止；如果一直没有出现大于DCT尺寸的高的情况，则即为将中元素按降序排列，从开始，计算其与下一个元素的差的绝对值，若该值不大于DCT尺寸的高，则继续计算当前元素与下一个元素的差的绝对值并与DCT尺寸的宽比较，若不大于则继续，若大于则下一个元素为并终止；如果一直没有出现大于DCT尺寸的宽的情况，则即为DCT尺寸：形态学成分分析方法在图像局部应用离散余弦变换，即首先将图像划分为不重叠且具有固定大小的矩形区域，然后对每个区域应用离散余弦变换，矩形区域的大小称为DCT尺寸，单位为像素，区域内一行的像素数称为DCT尺寸的宽，一列的像素数称为DCT尺寸的高；步骤6：扩展集合Sh和集合Sv以覆盖图像的卡通成分Ic的大部分区域，并计算类格图案的理想行数和理想列数步骤7：根据集合Sh和集合Sv将图像的卡通成分Ic分割为类格图案(其中，)，使用Gabor滤波器组本文档来自技高网...

【技术保护点】
一种基于层次聚类和Gabor滤波的纺织品瑕疵检测方法，其特征在于，包括以下步骤：输入灰度化的纺织品图像；类格图案分割：分割纺织品图像产生类格图案，类格图案满足：相对于纺织品图像的行和列，类格图案按图像行的方向横向排列，并按列的方向纵向排列；在形态成分分析方法的纺织品图案卡通成分I

【技术特征摘要】
1.一种基于层次聚类和Gabor滤波的纺织品瑕疵检测方法，其特征在于，包括以下步骤：输入灰度化的纺织品图像；类格图案分割：分割纺织品图像产生类格图案，类格图案满足：相对于纺织品图像的行和列，类格图案按图像行的方向横向排列，并按列的方向纵向排列；在形态成分分析方法的纺织品图案卡通成分Ic中，类格图案具有几何形状并与背景像素在灰度上有显著差异；特征提取：将类格图案与Gabor滤波器组的滤波进行卷积，对卷积结果降维得到一维投影并计算其能量和振幅，根据能量和振幅计算特征向量；计算一维投影之间的车贝雪夫距离，挑选每行类格图案的典型无瑕疵类格图案，根据典型无瑕疵类格图案的特征向量计算理想特征向量；每个类格图案特征向量与理想特征向量间的车贝雪夫距离为所提取的特征；和特征比较：分析特征提取步骤中得到的基于特征向量的车贝雪夫距离直方图，获取表示有瑕疵的像素索引集合。2.如权利要求1所述的基于层次聚类和Gabor滤波的纺织品瑕疵检测方法，其特征在于，具体步骤为：步骤1：输入灰度化的纺织品图像，通过形态学成分分析方法计算输入图像的卡通成分Ic；步骤2：使用阈值fc·max(Ic)二值化卡通成分Ic得到二值图像Itc；步骤3：计算二值图像Itc中各行背景像素数的多重集各列背景像素数的多重集计算各行背景像素数的多重集和各列背景像素数的多重集的峰值和步骤4：分别计算基于步骤(3)中的峰值和的HC算法轮廓系数，以最大轮廓系数对应的聚类个数初始化HC算法，并对峰值和分别进行聚类，得到的聚类中心构成多重集和步骤5：根据多重集和计算阈值和分别计算中不小于的峰值所对应行索引的间距和中不小于的峰值所对应列索引的间距，计算构成稳定行间距的最长连续行索引的集合Sh以及构成稳定列间距的最长连续列索引的集合Sv；其中，将中元素按降序排列，从开始，计算其与下一个元素的差的绝对值，若该值不大于DCT尺寸的高，则继续计算当前元素与下一个元素的差的绝对值并与DCT尺寸的高比较，若不大于则继续，若大于则下一个元素为并终止；如果一直没有出现大于DCT尺寸的高的情况，则即为将中元素按降序排列，从开始，计算其与下一个元素的差的绝对值，若该值不大于DCT尺寸的高，则继续计算当前元素与下一个元素...

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