基于双向信息传递及特征融合的织物疵点检测方法技术

本发明专利技术提出了一种基于双向信息传递及特征融合的织物疵点检测方法，其步骤为：首先，采用改进的VGG16网络提取织物图像的多级多尺度中间深度特征图，并通过双向信息传递模块进行处理，得到多级深度特征图；其次，引入空间邻域对比特征提取模块，对多级深度特征图进行处理，得到局部特征图；最后，采用非局部特征融合模块对局部特征图和多级深度特征图进行有效融合，获取更准确的疵点图像的最终显著图。本发明专利技术综合考虑了织物图像背景的复杂性和疵点类型的多样性，通过双向信息传递模块在不同层级间互相传递信息，同时空间邻域对比特征提取模块提升多级多尺度特征对织物图像的表征能力，使得检测结果具有更好的自适应性和检测精度。

【技术实现步骤摘要】
基于双向信息传递及特征融合的织物疵点检测方法
本专利技术涉及纺织品图像处理
，特别是指一种基于双向信息传递及特征融合的织物疵点检测方法。
技术介绍
织物疵点检测在纺织品制造业中对于产品质量控制起到非常重要的作用。由于织物瑕疵类型的多样性以及纺织品纹理的复杂性，给织物疵点检测带来了诸多困难，使其难以设计一种广义的方法。先前大多工厂通常采用人工视觉的检测方法，但是由于人的观察是有限的，且长时间连续工作的工人可能会因为疲劳而产生误检，漏检等，造成额外的物力和财力的损失。因此，实现织物疵点检测自动化成为纺织品企业必然的发展趋势。视觉显著性旨在模拟人的视觉系统自动地识别和定位视觉场景中的主要目标。纺织品上的疵点即对应视觉场景中的前景目标，所以将显著模型应用于织物疵点检测是十分可行的。早期的织物疵点检测算法主要通过手工制作的特征去捕捉局部细节和全局背景信息，但由于缺少高级语义信息，限制了其对织物背景复杂的疵点的检测。基于视觉显著性的检测方法有经典的统计分析方法，频域分析方法和字典学习等，虽然取得一定的效果，但是提取特征不能很好的描述复杂的织物本文档来自技高网...

【技术保护点】
1.一种基于双向信息传递及特征融合的织物疵点检测方法，其特征在于，其步骤如下：/nS1、将大小为M×M的图像X输入改进的VGG16网络，利用改进的VGG16网络的多层卷积结构提取图像X的多级初步深度特征图；/nS2、利用双向信息传递模块分别对步骤S1中的多级初步深度特征图进行处理，得到多级深度特征图；/nS3、利用空间邻域特征提取模块分别对步骤S2中的多级深度特征图进行处理，得到局部特征图；/nS4、利用非局部特征融合模块对步骤S3中的局部特征图和步骤S1中的最后一级初步深度特征图进行融合，获得疵点图像的最终显著图。/n

【技术特征摘要】
1.一种基于双向信息传递及特征融合的织物疵点检测方法，其特征在于，其步骤如下：
S1、将大小为M×M的图像X输入改进的VGG16网络，利用改进的VGG16网络的多层卷积结构提取图像X的多级初步深度特征图；
S2、利用双向信息传递模块分别对步骤S1中的多级初步深度特征图进行处理，得到多级深度特征图；
S3、利用空间邻域特征提取模块分别对步骤S2中的多级深度特征图进行处理，得到局部特征图；
S4、利用非局部特征融合模块对步骤S3中的局部特征图和步骤S1中的最后一级初步深度特征图进行融合，获得疵点图像的最终显著图。


2.根据权利要求1所述的基于双向信息传递及特征融合的织物疵点检测方法，其特征在于，所述改进的VGG16网络包括5个阶段，分别为conv1、conv2、conv3、conv4和conv5阶段，阶段conv1与阶段conv2相连接，阶段conv2与阶段conv3相连接，阶段conv3与阶段conv4相连接，阶段conv4与阶段conv5相连接。


3.根据权利要求2所述的基于双向信息传递及特征融合的织物疵点检测方法，其特征在于，所述阶段conv1包括卷积层Conv1_1、Conv1_2和池化层pool1，阶段conv2包括卷积层Conv2_1、Conv2_2和池化层pool2，阶段conv3包括卷积层Conv3_1、Conv3_2、Conv3_3和池化层pool3，阶段conv4包括卷积层Conv4_1、Conv4_2、Conv4_3和池化层pool4，阶段conv5包括卷积层Conv5_1、Conv5_2、Conv5_3和池化层pool5。


4.根据权利要求3所述的基于双向信息传递及特征融合的织物疵点检测方法，其特征在于，图像X依次经改进的VGG16网络的池化层pool1、pool2、pool3、pool4和pool5分别输出图像X的多级初步深度特征图其中，为第i级初步深度特征图，i＝1，2，…，5，Ci为第i级初步深度特征图的通道数，Hi为第i级初步深度特征图的高度，Wi为第i级初步深度特征图的宽度。


5.根据权利要求4所述的基于双向信息传递及特征融合的织物疵点检测方法，其特征在于，所述双向信息传递模块包括多尺度上下文感知特征提取块和双向信息传递块，利用双向信息传递模块分别对步骤S1中的多级多尺度初步深度特征图进行处理，得到多级深度特征图的方法为：
S21、将第i级初步深度特征图输入多尺度上下文感知特征提取块中，分别利用卷积层I、卷积层II、卷积层III和卷积层IV对第i级初步深度特征图进行卷积得到卷积特征图其中，j＝1，2，3，4表示第j个卷积层，Ci，j为第i级初步深度特征图对应的第j个卷积特征图的通道数；
S22、将第i级初步深度特征图对应的所有卷积特征图进行通道叠加，输出第i级中间深度特征图其中，C＝Ci，1+Ci，2+Ci，3+Ci，4；
S23、将步骤S22中的第i级中间深度特征图输入双向信息传递块中，获得多级深度特征图Fi1，Fi2，Fi3，其中，Fi1为双向信息传...

【专利技术属性】
技术研发人员：刘洲峰，李春雷，王梦晗，张弘，刘丽萍，徐庆伟，
申请(专利权)人：中原工学院，
类型：发明
国别省市：河南;41