一种织物疵点检测方法技术

一种织物疵点检测方法，包括以下步骤：第一步，像素尺寸标定；第二步：图像滤波；第三步：计算方差比值；第四步：绘制h‑MBSF曲线；第五步：得出直线拟合方程；第六步：计算最优滤波参数h；第七步：显著和归一化处理；第八步：计算分割阈值；第九步：进行疵点分割；第十步：计算疵点面积；第十一步：消除伪疵点。本设计不仅能够检测低对比度图片，普适性强，而且能够有效排除伪疵点，进一步的提高了疵点检测的准确性。

【技术实现步骤摘要】
一种织物疵点检测方法
本专利技术涉及一种织物疵点检测方法，具体适用于提高疵点的识别率和改进频率调谐显著算法的普适性。
技术介绍
人工检测织物疵点的准确率仅为60％～70％，难以满足工业生产需求。为提高织物疵点检测的精度，学者们提出了很多疵点检测的方法，主要可分为三类：统计方法、频谱方法和模型方法。基于统计的疵点检测方法，首先对同类无疵点织物进行训练学习，提取无疵点织物的纹理特征，以得到疵点区域的判断阈值，实现织物疵点区域的检测，该类方法简单易行，但检测结果易受织物纹理结构和疵点形状等因素的影响，对于小疵点区域可能会产生漏检的情况。基于频谱的疵点检测方法，首先将织物图像变换到频域，然后利用某种能量准则提取纹理特征，实现织物疵点区域的检测，该类方法在选择合适的滤波器组的情况下，能良好的检测出疵点区域，但在选择滤波器参数时需要同类疵点样本进行学习，不利于工业检测。基于模型的疵点检测方法，首先依据同类无疵点织物的纹理建立模型，然后通过统计假设检验判别测试图像是否符合该模型，实现织物疵点区域的检测，但该类方法比较复杂、计算量大、并且在线学习比较困难，检测效果较差。近年来，显著方法已应用于织物的疵点检测中，并取得了一定的研究成果。Achanta等人提出的频率调谐显著算法(简称FT方法)，首先使用高斯低通滤波对图像进行预处理；然后，将预处理后的图像转换到Lab颜色空间内，从频域的角度出发，计算图像每个颜色通道中单个像素与整幅图像平均值的欧式距离；最后将3个通道的欧式距离和作为该像素的显著值。具有计算简单、生成的显著图与原图像分辨率相似和能有效保持目标区域完整性的优点，利于后续目标分割精度的提高。但是，将FT方法应用到织物疵点分割时，存在对于在亮度上与织物背景区域差异较小的疵点识别困难，且其中高斯滤波器存在平滑能力弱和降噪能力差，且易模糊疵点边缘的缺点。改进频率调谐显著算法采用最优非局部均值滤波器(NLM)代替FT方法中的高斯滤波器，然后使用Otsu分割方法对织物图像进行分割，能有效解决FT算法中存在的问题，并快速准确的分割出织物的疵点区域，但采用平均最大类间方差优化NLM滤波器的滤波参数h时需要利用疵点样本进行学习且要求疵点与背景区域有一定的对比对度，Otsu方法分割时需要疵点目标与背景区域在灰度直方图上存在双峰性，对灰度直方图呈现出单峰性的织物图像检测困难，不利于工业检测。
技术实现思路
本专利技术的目的是克服现有技术中存在的疵点检测正确率低、适用范围小的问题，提供了一种疵点检测正确率高、适用范围广的织物疵点检测方法。为实现以上目的，本专利技术的技术解决方案是：一种织物疵点检测方法，包括以下步骤：第一步：图像像素尺寸标定，计算每张图片上其单个像素的尺寸和面积；第二步：图像滤波，取n张待检测的正常织物图片，上述图片为RGB颜色空间，令图像为f＝{f(i)|i∈I}，式中i为像素点，I为搜索窗；令滤波参数h分别等于1,2,3，……，50，使用式(1)和式(2)分别对每张正常纹理图片进行非局部均值滤波：上式中：fN(i)为像素点i经过非局部均值滤波后的灰度值，f(j)为搜索窗内像素点j的灰度值，ω(i,j)为加权平均时像素点i,j对应的权重；为像素点i,j所对应的矩形相似窗N(i)和N(j)的加权欧式距离的平方，α为高斯核函数的标准差，α等于1；第三步：计算方差比值，根据式(3)分别计算每张正常织物图像在滤波前的灰度方差值σin和滤波后正常织物图像灰度值的方差值σout；式(3)中：σ表示正常织物图像灰度值的方差，xi为正常织物图像的第i个灰度值，μ为正常织物图片灰度值的平均值，n表示正常织物图像有n个灰度值；根据式(4)计算滤波前和滤波后方差的比值：每张图片有R、G和B三个颜色通道，故每张图片均有R、G、B三个颜色通道的方差比值，分别为BSFR，BSFG和BSFB；第四步：绘制h-MBSF曲线，根据第三步计算得到的三个颜色通道的方差比值BSFR，BSFG和BSFB统计不同滤波参数h值下对应的平均方差比值：绘制平均方差比值与滤波参数h的曲线图，即h-MBSF曲线图，n为正常织物图片的数量；第五步：得出直线拟合方程，使用最小二乘法对h-MBSF曲线中直线下降段进行拟合得出直线拟合方程，如下式：A×h+B×MBSF+C＝0(6)式中，A、B、C为常数；第六步：计算最优滤波参数h，计算h-MBSF曲线过渡段中每个点到第五步中拟合直线的垂直距离d，如下式：当d的取值范围在0.2～0.8时，选择d值最小的点所对应的滤波参数h作为最优值，同时该对应点满足A×h+B×MBSF+C的值大于零；第七步：显著和归一化处理，将第二步中的滤波后纹理图像转换到Lab颜色空间计算显著值S，如下式：S＝||Iu-INLM||(8)式(8)中：Iu为织物图像在Lab颜色空间的像素算术平均值，INLM为非局部均值滤波后的图像；║║为欧式距离式；对显著值S进行归一化处理，如下式：将显著值S归一化到0～255范围内并对其值取整，得到归一化后的显著值G；第八步：计算分割阈值，将显著值按升序排列，当织物显著图的显著值服从正态分布时，取显著值的概率不小于95％时对应的显著值作为分割阈值Ti，每张织物图片均可得到其对应的分割阈值；最后，取Ti中的中值作为此类疵点图像的分割阈值，如下式：第九步：进行疵点分割，使用第六步中得到的最优滤波参数h带入式(1)和式(2)对待检测图片进行滤波，将滤波后得到的图片进行第七步显著和归一化处理，然后使用第八步得到的阈值T根据式(11)进行疵点分割；式(11)中的G(i)表示G中的第i个元素，G为第七步中得到的归一化后的显著值；第十步：计算疵点面积，计算二值图像中像素值为1的八连通域内像素点个数P，让P和第一步中得到的单个像素点面积相乘，则P个连续像素点能表示出疵点区域面积；第十一步：消除伪疵点，使用分割阈值M和公式(12)消除伪疵点，得到最终分割图像F，如下式：阈值M取0.5mm×0.5mm；当分割后的图像中灰度值均为0，则认为织物图像中不存在疵点；反之，则认为图像中存在疵点，通过以上处理可以完整得到疵点分割结果：二值图中灰度值为1的区域为疵点区域，灰度值为0的区域为织物正常部分；此时疵点检测完成。与现有技术相比，本专利技术的有益效果为：1、本专利技术一种织物疵点检测方法中利用正常织物滤波前后的方差比值，作为滤波参数h的优化准则，可准确获得最优滤波参数h。对于对比度低的图片也能够很好的实现疵点检测，从而提高本检测方法准确率。因此，本专利技术能够检测低对比度图片，普适性强，检测准确率高。2、本专利技术一种织物疵点检测方法通过优化滤波参数h，对待优化图片进行滤波，得到分割效果较好的织物图像，对其进行疵点分割，有效提高了分割的准确率。因此本专利技术分割准确率高，疵点检测可靠性高。3、本专利技术一种织物疵点检测方法中,通过计算二值图像中像素值为1的八连通域内连续像素点数量来表示疵点区域面积，来排除伪疵点，进一步提高了疵点检测的准确性。因此，本专利技术能够有效排除伪疵点，进一步提高了疵点检测的准确性。附图说明图1是本专利技术第三步中R、G、B三个颜色通道的方差比值与滤波参数h的关系曲线图。图2是本专利技术第四步中h-MBSF曲线图。图3是本专利技术方法与改进频率调谐显著算法进行疵点检本文档来自技高网...

【技术保护点】
1.一种织物疵点检测方法，其特征在于：所述疵点检测方法包括以下步骤：第一步：图像像素尺寸标定，计算每张图片上单个像素的尺寸和面积；第二步：图像滤波，取n张待检测的正常织物图片，上述图片为RGB颜色空间，令图像为f＝{f(i)|i∈I}，式中i为像素点，I为搜索窗；令滤波参数h分别等于1,2,3，……，50，分别使用式(1)和式(2)对每张正常纹理图片进行非局部均值滤波：

【技术特征摘要】
1.一种织物疵点检测方法，其特征在于：所述疵点检测方法包括以下步骤：第一步：图像像素尺寸标定，计算每张图片上单个像素的尺寸和面积；第二步：图像滤波，取n张待检测的正常织物图片，上述图片为RGB颜色空间，令图像为f＝{f(i)|i∈I}，式中i为像素点，I为搜索窗；令滤波参数h分别等于1,2,3，……，50，分别使用式(1)和式(2)对每张正常纹理图片进行非局部均值滤波：上式中：fN(i)为像素点i经过非局部均值滤波后的灰度值，f(j)为搜索窗内像素点j的灰度值，ω(i,j)为加权平均时像素点i,j对应的权重；为像素点i,j所对应的矩形相似窗N(i)和N(j)的加权欧式距离的平方，α为高斯核函数的标准差，α等于1；第三步：计算方差比值，根据式(3)分别计算每张正常织物图像在滤波前的灰度方差值σin和滤波后正常织物图像灰度值的方差值σout；式(3)中：σ表示正常织物图像灰度值的方差，xi为正常织物图像的第i个灰度值，μ为正常织物图片灰度值的平均值，n表示正常织物图像有n个灰度值；根据式(4)计算滤波前和滤波后方差的比值：每张图片有R、G和B三个颜色通道，故每张图片均有R、G、B三个颜色通道的方差比值，分别为BSFR，BSFG和BSFB；第四步：绘制h-MBSF曲线，根据第三步计算得到的三个颜色通道的方差比值BSFR，BSFG和BSFB，根据式(5)统计不同滤波参数h值下对应的平均方差比值：绘制平均方差比值与滤波参数h的曲线图，即h-MBSF曲线图，n为正常织物图片的数量；第五步：得出直线拟合方程，使用最小二乘法对h-MBSF曲线中直线下降段进行拟合得出直线拟合方程，如下式：A×h+B×MBSF+C＝0(6)式中，A、B、C为常数；第六步：计算最优滤波参数h，计算h-MBSF曲线过渡段中每...

【专利技术属性】
技术研发人员：胡峰，徐启永，王传桐，吴雨川，
申请(专利权)人：武汉纺织大学，
类型：发明
国别省市：湖北,42