一种多纹理分级融合的织物缺陷检测方法及其装置制造方法及图纸

本发明专利技术提供了一种多纹理分级融合的织物缺陷检测方法及其装置，其中所述方法包括：对织物图像进行预处理，得到预处理图像；对预设正常织物纹理样本数据进行学习，得到织物纹理分布特征；对缺陷区域进行初步定位和自适应性生长，得到初步定位区域；提取Tamura纹理特征、局部相位量化特征和经纬向纹理特征并进行分级融合，生成多特征融合图，将所述多特征融合图与织物纹理分布特征进行比对，从而对所述目标织物进行检测。本发明专利技术采用了多特征分级融合的织物缺陷检测算法，融合了不同纹理对织物缺陷的表达优势，降低了缺陷检测过程中漏检和误检情况发生，提高了织物缺陷检测的通用性和效率。

A Fabric Defect Detection Method Based on Multi-texture Hierarchical Fusion and Its Device

The invention provides a fabric defect detection method and device based on multi-texture hierarchical fusion, which includes: pretreatment of fabric image to obtain pre-processed image; learning of preset normal fabric texture sample data to obtain fabric texture distribution characteristics; preliminary positioning and adaptive growth of defect region to obtain preliminary positioning region; Amura texture feature, local phase quantization feature and warp-weft texture feature are fused hierarchically to generate multi-feature fusion image, and then the multi-feature fusion image is compared with fabric texture distribution feature to detect the target fabric. The invention adopts a fabric defect detection algorithm based on multi-feature hierarchical fusion, which combines the advantages of different textures in expressing fabric defects, reduces the occurrence of missed and mistaken detection in the process of defect detection, and improves the versatility and efficiency of fabric defect detection.

【技术实现步骤摘要】
一种多纹理分级融合的织物缺陷检测方法及其装置
本专利技术涉及织物缺陷图像识别
，更具体地说，涉及一种多纹理分级融合的织物缺陷检测方法及其装置。
技术介绍
织物缺陷对纺织品质量和价格产生直接影响，据统计，织物的缺陷致使织物产品价格降低45％～65％。生产过程中，织物的缺陷检测仍然大量采用传统的人工检测方法，存在效率低、结果一致性差、漏检和误检等缺点，不利于大规模工业化生产。随着计算机技术的发展，利用图像处理技术进行智能化、自动化检测成为织物缺陷检测的研究热点。在织物缺陷检测过程中，常用的检测方法有：利用傅里叶的功能谱特性、Gabor空域特性提取特征等频谱法对织物织物缺陷检测；利用区域的几何形状、纹理的自相关性等数理统计法对织物缺陷进行检测；利用不同像素间的线性相关特性等模型法对织物缺陷检测。针对某一类具体织物缺陷检测时，现有的织物缺陷检测方法可以实现一定的检测效果，但是面对织物纹理差异性、缺陷形态复杂多样性等情况，经常出现漏检或错检的情况，如何提高对不同织物缺陷检测的通用性仍然具有挑战。
技术实现思路
有鉴于此，本专利技术提供一种多纹理分级融合的织物缺陷检测方法及其装置以解决现有技术的不足。为解决上述问题，本专利技术提供一种多纹理分级融合的织物缺陷检测方法，包括：对目标织物的织物图像进行预处理，得到预处理图像；对预设正常织物纹理样本数据进行学习，得到织物纹理分布特征；根据所述织物纹理分布特征，对所述预处理图像中的缺陷区域进行初步定位和自适应性生长，得到初步定位区域；提取所述初步定位区域中的Tamura纹理特征、局部相位量化特征和经纬向纹理特征；将所述多特征融合图与织物纹理分布特征进行比对，从而对所述目标织物进行检测对所述局部相位量化特征、所述Tamura纹理特征和所述经纬向纹理特征进行分级融合，生成多特征融合图；并将所述多特征融合图与织物纹理分布特征进行比对，从而对所述目标织物进行检测。优选地，所述“根据所述织物纹理分布特征，对所述预处理图像中的缺陷区域进行初步定位和自适应性生长，得到初步定位区域”包括：根据所述织物纹理分布特征，利用Tamura粗糙度属性，计算得到图像粗糙度；对所述图像粗糙度设定阈值，对粗糙度进行增强，得到织物增强图；设计滑动窗对所述织物增强图进行卷积操作，标记最大响应区域所在位置，并通过自适应生长得到初步定位区域。优选地，所述“设计滑动窗对所述织物增强图进行卷积操作，标记最大响应区域所在位置，并通过自适应生长得到初步定位区域”包括：设计滑动窗对所述织物增强图进行卷积操作，标记最大响应区域所在位置；对所述位置对应的16像素×16像素的区域分为四块，根据最近邻原则进行扩充；将所扩充后的缺陷区域映射到所述目标织物的所述织物图像中，即得到初步定位区域。优选地，所述“提取所述初步定位区域中的Tamura纹理特征”，包括：计算所述预处理图像中大小为2k×2k个像素的活动窗口中像素的平均强度值；根据所述平均强度值，分别计算每个像素点在水平和垂直方向上互不重叠的活动窗口之间的平均强度差；根据所述平均强度差定义每个像素的邻域尺寸，并计算所述预处理图像中的邻域尺寸的平均值，即得到所述Tamura纹理特征。优选地，所述“提取所述初步定位区域中的局部相位量化特征”，包括：基于离散的短时傅里叶变换，计算所述初步定位区域中每一个像素点的邻域的相位，对所述邻域中的局部图像做二维离散傅里叶变换，对每一个像素的位置，通过向量表示，即得到所述局部相位量化特征。优选地，所述“提取所述初步定位区域中的经纬向纹理特征”，包括：通过将所述初步定位区域沿经向纬向进行投影，对织物经纬向纹理特征进行表达，通过织物缺陷所呈现的经纬取向性，计算得到所述经纬向纹理特征。优选地，所述“将所述多特征融合图与织物纹理分布特征进行比对，从而对所述目标织物进行检测对所述局部相位量化特征、所述Tamura纹理特征和所述经纬向纹理特征进行分级融合，生成多特征融合图；并将所述多特征融合图与织物纹理分布特征进行比对，从而对所述目标织物进行检测”包括：将织物缺陷初步定位的所述初步定位区域，映射到所述目标织物的所述织物图像中；分别对映射后的所述织物图像中的所述局部相位量化特征的纹理图和所述Tamura纹理特征的纹理图进行纹理块的分块，并分别提取所述纹理块的直方图特征，得到所述局部相位量化特征的纹理块对应的直方图特征和所述Tamura纹理特征的纹理块对应的直方图特征；对两种不同的纹理块的直方图特征进行归一化，并进行加权融合，得到特征相似度融合图；对所述特征相似度融合图和所述经纬向纹理特征的纹理图进行加权融合，得到多特征融合图；将所述多特征融合图与织物纹理分布特征进行比对，从而对所述目标织物进行检测。此外，为解决上述问题，本专利技术还提供一种多纹理分级融合的织物缺陷检测装置，包括：处理模块、学习模块、定位模块、提取模块和融合模块；所述处理模块，用于对目标织物的织物图像进行预处理，得到预处理图像；所述学习模块，用于对预设正常织物纹理样本数据进行学习，得到织物纹理分布特征；所述定位模块，用于根据所述织物纹理分布特征，对所述预处理图像中的缺陷区域进行初步定位和自适应性生长，得到初步定位区域；所述提取模块，用于提取所述初步定位区域中的Tamura纹理特征、局部相位量化特征和经纬向纹理特征；所述融合模块，用于将所述多特征融合图与织物纹理分布特征进行比对，从而对所述目标织物进行检测对所述局部相位量化特征、所述Tamura纹理特征和所述经纬向纹理特征进行分级融合，生成多特征融合图；并将所述多特征融合图与织物纹理分布特征进行比对，从而对所述目标织物进行检测。此外，为解决上述问题，本专利技术还提供一种用户终端，包括存储器以及处理器，所述存储器用于存储多纹理分级融合的织物缺陷检测程序，所述处理器运行所述多纹理分级融合的织物缺陷检测程序以使所述用户终端执行如上述所述多纹理分级融合的织物缺陷检测方法。此外，为解决上述问题，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有多纹理分级融合的织物缺陷检测程序，所述多纹理分级融合的织物缺陷检测程序被处理器执行时实现如上述所述多纹理分级融合的织物缺陷检测方法。本专利技术提供的一种多纹理分级融合的织物缺陷检测方法及其装置。其中，本专利技术所提供的方法首先进行预处理，对图像初步确定其缺陷区域，进而提取图像块的LPQ特征、Tamura特征和经纬向纹理特征，并对缺陷区域Tamura纹理特征、LPQ纹理特征和经纬向纹理特征进行分级融合，从而检测织物中缺陷存在的区域，使不同织物纹理特征得到有效表达，提高织物缺陷检测的准确度。总之，本专利技术采用了多特征分级融合的织物缺陷检测算法，融合了不同纹理对织物缺陷的表达优势，降低了缺陷检测过程中漏检和误检情况发生，提高了织物缺陷检测的通用性和效率。附图说明图1为本专利技术多纹理分级融合的织物缺陷检测方法实施例方案涉及的硬件运行环境的结构示意图；图2为本专利技术多纹理分级融合的织物缺陷检测方法第一实施例的流程示意图；图3为本专利技术多纹理分级融合的织物缺陷检测方法第二实施例的流程示意图；图4为本专利技术多纹理分级融合的织物缺陷检测方法第二实施例的步骤S330的细化流程示意图；图5为本专利技术多纹理分级融合的织物缺陷检测方法第三实施例的流程示本文档来自技高网...

【技术保护点】
1.一种多纹理分级融合的织物缺陷检测方法，其特征在于，包括：对目标织物的织物图像进行预处理，得到预处理图像；对预设正常织物纹理样本数据进行学习，得到织物纹理分布特征；根据所述织物纹理分布特征，对所述预处理图像中的缺陷区域进行初步定位和自适应性生长，得到初步定位区域；提取所述初步定位区域中的Tamura纹理特征、局部相位量化特征和经纬向纹理特征；将所述多特征融合图与织物纹理分布特征进行比对，从而对所述目标织物进行检测对所述局部相位量化特征、所述Tamura纹理特征和所述经纬向纹理特征进行分级融合，生成多特征融合图；并将所述多特征融合图与织物纹理分布特征进行比对，从而对所述目标织物进行检测。

【技术特征摘要】
1.一种多纹理分级融合的织物缺陷检测方法，其特征在于，包括：对目标织物的织物图像进行预处理，得到预处理图像；对预设正常织物纹理样本数据进行学习，得到织物纹理分布特征；根据所述织物纹理分布特征，对所述预处理图像中的缺陷区域进行初步定位和自适应性生长，得到初步定位区域；提取所述初步定位区域中的Tamura纹理特征、局部相位量化特征和经纬向纹理特征；将所述多特征融合图与织物纹理分布特征进行比对，从而对所述目标织物进行检测对所述局部相位量化特征、所述Tamura纹理特征和所述经纬向纹理特征进行分级融合，生成多特征融合图；并将所述多特征融合图与织物纹理分布特征进行比对，从而对所述目标织物进行检测。2.如权利要求1所述多纹理分级融合的织物缺陷检测方法，其特征在于，所述“根据所述织物纹理分布特征，对所述预处理图像中的缺陷区域进行初步定位和自适应性生长，得到初步定位区域”包括：根据所述织物纹理分布特征，利用Tamura粗糙度属性，计算得到图像粗糙度；对所述图像粗糙度设定阈值，对粗糙度进行增强，得到织物增强图；设计滑动窗对所述织物增强图进行卷积操作，标记最大响应区域所在位置，并通过自适应生长得到初步定位区域。3.如权利要求2所述多纹理分级融合的织物缺陷检测方法，其特征在于，所述“设计滑动窗对所述织物增强图进行卷积操作，标记最大响应区域所在位置，并通过自适应生长得到初步定位区域”包括：设计滑动窗对所述织物增强图进行卷积操作，标记最大响应区域所在位置；对所述位置对应的16像素×16像素的区域分为四块，根据最近邻原则进行扩充；将所扩充后的缺陷区域映射到所述目标织物的所述织物图像中，即得到初步定位区域。4.如权利要求1所述多纹理分级融合的织物缺陷检测方法，其特征在于，所述“提取所述初步定位区域中的Tamura纹理特征”，包括：计算所述预处理图像中大小为2k×2k个像素的活动窗口中像素的平均强度值；根据所述平均强度值，分别计算每个像素点在水平和垂直方向上互不重叠的活动窗口之间的平均强度差；根据所述平均强度差定义每个像素的邻域尺寸，并计算所述预处理图像中的邻域尺寸的平均值，即得到所述Tamura纹理特征。5.如权利要求1所述多纹理分级融合的织物缺陷检测方法，其特征在于，所述“提取所述初步定位区域中的局部相位量化特征”，包括：基于离散的短时傅里叶变换，计算所述初步定位区域中每一个像素点的邻域的相位，对所述邻域中的局部图像做二维离散傅里叶变换，对每一个像素的位置，通过向量表示，即得到所述局部相位量化特征。6.如权利要求1所述多纹理分级融合的织物缺陷检测方法，其特征在于，所述“提取所述初步定位区域中的经纬向纹理特...

【专利技术属性】
技术研发人员：丁辉，尚媛园，邵珠宏，朱浩，付小雁，刘铁，
申请(专利权)人：首都师范大学，
类型：发明
国别省市：北京,11