【技术实现步骤摘要】
基于深度特征和NTV-RPCA的织物疵点检测方法
本专利技术涉及纺织品图像处理的
,特别是指一种基于深度特征和NTV-RPCA的织物疵点检测方法。
技术介绍
在纺织品生产制造过程中,疵点的出现会极大影响纺织品的质量和价值,因此织物疵点检测在纺织品生产制造过程中是不可或缺的环节。传统疵点检测工作主要由人工完成的,检测精度和可靠性易受视觉疲劳、主观意识影响的问题。随着图像处理技术的发展,基于机器视觉的自动织物疵点检测方法已经成为研究的热点。根据织物图像背景纹理的不同特点,现有的疵点检测方法可大致分为两种:针对纹理简单的非模式织物图像检测方法和针对纹理复杂的模式织物图像检测方法。针对非模式织物图像的检测方法包括:基于统计的方法、基于光谱分析的方法、基于模型的方法和基于字典学习的方法,这些方法对具有平纹和斜纹纹理的非模式织物图像有较好的检测性能,但由于模式织物的背景纹理复杂,上述方法对模式织物图像的检测性能不佳。针对模式织物图像的检测方法包括:黄金图像减法(GIS)、图像分解法和基于基元的方法等,然而这些复杂的模式织物疵点检测方法大多采用模板匹配技术对疵点进行定位,并且是在有监督下执行的,检测精度取决于精确的对准和选择合适的模板。随着深度学习技术的发展,已经有学者开始尝试将卷积神经网络CNN应用到织物疵点分类和疵点定位领域。Cui等提出了一种卷积神经网络MC-CNN来实现织物疵点的分类;Liu等提出了一种改进的SSD目标检测方法,可用于定位小尺寸织物疵点。由于基于CNN的分割任务需要大量具有像素级标注的图像样本,而目前尚未有包含充足数据量的公开织物图像数据库 ...
【技术保护点】
1.一种基于深度特征和NTV‑RPCA的织物疵点检测方法,其特征在于,其步骤如下:步骤一:特征提取:将织物图像输入深度网络VGG16中,利用深度网络VGG16中的各个卷积层分别提取织物图像对应的多层次深度特征,根据每一层次深度特征建立织物图像对应的深度特征图;步骤二:图像分块:对每一层次的深度特征图进行均匀重叠分块,并分别计算每一层次的深度特征图对应的特征矩阵;步骤三:模型构建及求解:根据非凸全变差正则项和低秩分解模型构建NTV‑RPCA模型,并采用ADMM算法对包含特征矩阵的NTV‑RPCA模型进行交替迭代搜索获得最优的稀疏矩阵;步骤四:显著图生成及融合:根据步骤三中求得的稀疏矩阵生成多个显著图,再采用低秩分解模型对多个显著图进行融合,获得织物图像的最终显著图;步骤五:阈值分割:采用自适应阈值分割方法对最终显著图进行阈值分割,定位出织物图像的疵点位置。
【技术特征摘要】
1.一种基于深度特征和NTV-RPCA的织物疵点检测方法,其特征在于,其步骤如下:步骤一:特征提取:将织物图像输入深度网络VGG16中,利用深度网络VGG16中的各个卷积层分别提取织物图像对应的多层次深度特征,根据每一层次深度特征建立织物图像对应的深度特征图;步骤二:图像分块:对每一层次的深度特征图进行均匀重叠分块,并分别计算每一层次的深度特征图对应的特征矩阵;步骤三:模型构建及求解:根据非凸全变差正则项和低秩分解模型构建NTV-RPCA模型,并采用ADMM算法对包含特征矩阵的NTV-RPCA模型进行交替迭代搜索获得最优的稀疏矩阵;步骤四:显著图生成及融合:根据步骤三中求得的稀疏矩阵生成多个显著图,再采用低秩分解模型对多个显著图进行融合,获得织物图像的最终显著图;步骤五:阈值分割:采用自适应阈值分割方法对最终显著图进行阈值分割,定位出织物图像的疵点位置。2.根据权利要求1所述的基于深度特征和NTV-RPCA的织物疵点检测方法,其特征在于,所述步骤一中利用深度网络VGG16获得织物图像的多层深度特征图的方法为:深度网络VGG16包含13个卷积层,织物图像通过深度网络VGG16生成对应的13组深度特征图,每组深度特征图包含H维特征图,特征图的大小为M×M;针对第l个卷积层,第l组深度特征图中的特征图h的第i个像素的激活特征为xih,l,则第l组深度特征图中的第i个像素的深度特征fi,l为:fi,l=[xi1,l,xi2,l,...,xih,l,...,xiH,l],其中,l=1,2,…,13,h=1,2,…,H,i=1,2,…,M,M+1,…,M×M。3.根据权利要求1或2所述的基于深度特征和NTV-RPCA的织物疵点检测方法,其特征在于,所述步骤二中的均匀重叠分块的方法为:将大小为M×M×H的第l组深度特征图均匀重叠分为m×m×H的图像块{RjH,l}j=1,2,…,N,图像块重叠的步长为n,其中,H为每组深度特征图包含的特征图的数目,N为图像块的数目,且m为图像块的大小。4.根据权利要求3所述的基于深度特征和NTV-RPCA的织物疵点检测方法,其特征在于,所述第l组深度特征图对应的特征矩阵的计算方法为:其中,为图像块RjH,l的特征向量,fjz,l是第l组深度特征图的第j个图像块的第z个像素点的特征向量,z=1,2,…,m,m+1,…,m×m。5.根据权利要求4所述的基于深度特征和NTV-RPCA的织物疵点检测方法,其特征在于,所述步骤三中建立N...
【专利技术属性】
技术研发人员:李春雷,刘洲峰,王珺璞,朱永胜,杨艳,李碧草,
申请(专利权)人:中原工学院,
类型:发明
国别省市:河南,41
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。