基于类格图案及其面积特征的纺织品瑕疵检测方法技术

本发明专利技术涉及一种基于类格图案及其面积特征的纺织品瑕疵检测方法，基于各向同性类格图案分割方法和面积计算，能够从纹理相同但角度各异的纺织品图像中自动分割类格图案，针对类格图案的基于面积计算的特征提取与瑕疵识别，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纹理相同但角度各异的纺织品平坦表面的数字图像中的纺织品表面瑕疵。

Textile defect detection method based on cell like pattern and its area feature

Textile defect detection method of the invention relates to a kind of lattice pattern based on area feature and the isotropic lattice pattern segmentation method and area based computing, from different angles of the same texture but the textile image automatic segmentation based on class lattice pattern, feature extraction and defect identification area calculation for the class lattice pattern, analysis of lighting flat light textile surface digital image pixel information based on the automatic positioning of textile surface defects. The invention is especially suitable for automatically recognizing the textile surface defects in the digital image of the flat surface of the textile with the same texture but different angles collected under the stabilized illumination source.

【技术实现步骤摘要】
基于类格图案及其面积特征的纺织品瑕疵检测方法
本专利技术涉及一种基于类格图案及其面积特征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：为了解决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类格图案及其面积特征的纺织品瑕疵检测方法。本专利技术解决其技术问题所采用的技术方案是：一种基于类格图案及其面积特征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；校准图像：使用Hough变换确定理想校准角度，以理想校准角度旋转图像得到校准后图像；类格图案分割：分割校准后图像以产生类格图案，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；面积计算：计算类格图案的面积；直方图分析：分析类格图案面积的分布，即类格图案面积直方图若出现异常值则对应有暇类格图案；根据有暇类格图案输出表示瑕疵的像素索引集合。具体步骤为：校准图像步骤：使用Canny边缘检测生成输入图像的边缘图像，使用Hough变换将边缘图像投影至参数空间，获取参数空间中的峰值所对应直线的斜率，根据斜率所对应角度的负值旋转输入图像并计算其背景像素的横向投影和纵向投影分别计算横向投影的熵和纵向投影的熵根据熵阈值ex和ey确定理想校准角度该角度所对应的旋转图像即为校准后图像。类格图案分割步骤：使用形态学成分分析方法计算校准后图像的卡通成分Ic，使用阈值fc·max(Ic)二值化卡通成分Ic得到二值图像Itc，分别按行列索引顺序排列Itc中每行和每列的背景像素数，即横向与纵向投影和分别找出和的峰值和使用自适应Kmeans算法对和进行聚类，根据聚类中心筛选和根据和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，并扩展Sh和Sv分别囊括Itc的大部分行索引和列索引；以Sh和Sv在Itc中分别对应的行列为分界，将Itc分割为矩形的类格图案其中，i＝1,2…|Sh|-1，j＝1,2…|Sv|-1。面积计算步骤：统计每个类格图案所包含前景像素的个数ai,j，其中，i＝1,2…|Sh|-1，j＝1,2…|Sv|-1，ai,j即为的面积。直方图分析步骤：计算ai,j的直方图其中，i＝1,2…|Sh|-1，j＝1,2…|Sv|-1，以近似真实阈值为目标调整无暇面积区间的下界a0和上界a1，将任何不在无暇面积区间[a0，a1]内的ai,j所对应的标记为有暇类格图案。本专利技术的有益效果是，本专利技术的基于类格图案及其面积特征的纺织品瑕疵检测方法，基于类格图案分割方法能够从纹理相同但角度各异的纺织品图像中自动分割类格图案，针对类格图案的基于面积计算的特征提取与瑕疵识别，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纹理相同但角度各异的纺织品平坦表面的数字图像中的纺织品表面瑕疵。附图说明下面结合附图和实施例对本专利技术进一步说明。图1是本专利技术的步骤示意图。图2是本专利技术的假设条件展示图。图3是纹理相同但方向各异的纺织品图像背景像素分布图。图4是图像校准的大体流程图。图5是图像旋转的大体流程图。图6是算法4的基本原理图。图7是计算Sh初始值的基本原理图。图8是本专利技术方法对箱形纺织品图像的处理效果图：(a)为箱形图像断端散点图；(b)为箱形图像孔洞散点图；(c)为箱形图像网纹散点图；(d)为箱形图像粗条纹散点图；(e)为箱形图像细条纹散点图。图9是本专利技术方法对星形纺织品图像的处理效果图：(a)为星形图像断端散点图；(b)为星形图像孔洞散点图；(c)为星形图像本文档来自技高网...

【技术保护点】
一种基于类格图案及其面积特征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；校准图像：使用Hough变换确定理想校准角度，以理想校准角度旋转图像得到校准后图像；类格图案分割：分割校准后图像以产生类格图案，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；面积计算：计算类格图案的面积；直方图分析：分析类格图案面积的分布，即类格图案面积直方图

【技术特征摘要】
1.一种基于类格图案及其面积特征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；校准图像：使用Hough变换确定理想校准角度，以理想校准角度旋转图像得到校准后图像；类格图案分割：分割校准后图像以产生类格图案，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；面积计算：计算类格图案的面积；直方图分析：分析类格图案面积的分布，即类格图案面积直方图若出现异常值则对应有暇类格图案；根据有暇类格图案输出表示瑕疵的像素索引集合。2.如权利要求1所述的基于类格图案及其面积特征的纺织品瑕疵检测方法，其特征在于，具体步骤为：校准图像步骤：使用Canny边缘检测生成输入图像的边缘图像，使用Hough变换将边缘图像投影至参数空间，获取参数空间中的峰值所对应直线的斜率，根据斜率所对应角度的负值旋转输入图像并计算其背景像素的横向投影和纵向投影分别计算横向投影的熵和纵向投影的熵根据熵阈值ex和ey确定理想校准角度该...

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