基于灰度共生矩阵的织物疵点分割方法和系统技术方案

本发明专利技术涉及机器学习技术领域，具体涉及一种基于灰度共生矩阵的织物疵点分割方法。该方法包括：根据待检测图案灰度图像和标准图案灰度图像获得第一灰度分布序列和第二灰度分布序列；利用第一灰度分布序列和第二灰度分布序列对应元素差值对待检测图案灰度图像的像素点分类获得像素点类别图像；计算像素点类别图像中各像素点灰度共生矩阵获得该像素点为疵点的概率；将待检测图案灰度图像中每个像素点的灰度值转变为该像素点为疵点的概率获得疵点共生表示图像；对疵点共生表示图像进行阈值分割获得疵点区域。本发明专利技术基于灰度共生矩阵识别织物中的疵点，提高了对织物中的疵点检测的效率，同时基于疵点共生表示图像获得疵点区域，提高了检测的精度。提高了检测的精度。提高了检测的精度。

【技术实现步骤摘要】
基于灰度共生矩阵的织物疵点分割方法和系统


[0001]本专利技术涉及机器学习
，具体涉及一种基于灰度共生矩阵的织物疵点分割方法和系统。

技术介绍

[0002]织物疵点检测是纺织品生产过程中保证产品质量的关键环节之一，对纺织品制造业中产品质量的监控具有重要的现实意义，且织物的疵点种类繁多，如断经、断纬、破洞、油污等，给工厂生产优质织物造成巨大问题。目前，目前织物疵点检测仍存在很多难题，现有对织物疵点检测大部分仍然是利用人工对织物的疵点进行检测，效率较低且检测的精度较低，且利用机器学习智能化识别织物的疵点大多基于像素点本身的信息并没有考虑到周围像素点的影响，因此检测的结果准确度并不高。因此如何实现一个效率高和精度高的纺织品缺陷检测方法是纺织品制造业中的一个亟需解决的问题。

技术实现思路

[0003]为了解决上述技术问题，本专利技术的目的在于提供一种基于灰度共生矩阵的织物疵点分割方法和系统，所采用的技术方案具体如下：
[0004]第一方面，本专利技术一个实施例提供了一种基于灰度共生矩阵的织物疵点分割方法，该方法包括：分割待检测织物灰度图像中的图案获得待检测图案灰度图像；利用待检测图案灰度图像的灰度直方图各灰度级对应的像素点频率组成第一灰度分布序列；
[0005]通过第一灰度序列和第二灰度分布序列对应元素的差值获得灰度级类别序列，所述第二灰度分布序列为标准图案灰度图像所对应的分布序列，同时得到各类别像素点对应的灰度级；其中，各类别像素点包括正常点、变化点和疵点，设定各类别的类别值；利用各类别对应的灰度级确定待检测图案灰度图像中像素点的类别，并将像素点的灰度值转变为像素点所属类别的类别值获得像素点类别图像；
[0006]获得像素点类别图像中各像素点的类别灰度共生矩阵，所述类别灰度共生矩阵元素为各像素点对出现的频率；对类别灰度共生矩阵中包含疵点的像素点对所对应的频率加权求和获得各像素点属于疵点的概率；将待检测图案灰度图像中的像素点的灰度值赋值为各像素点对应的属于疵点的概率获得疵点共生表示图像；对疵点共生表示图像进行阈值分割获得织物疵点区域。
[0007]优选地，所述分割待检测织物灰度图像中的图案获得待检测图案灰度图像包括：将具有周期性图案的织物图像灰度化获得待检测织物灰度图像，并将待检测织物灰度图像中的图案单独分割出来获得待检测图案灰度图像；所述待检测图案灰度图像只包含一个图案，且其尺寸大于待检测织物灰度图像的图案。
[0008]优选地，所述利用待检测图案灰度图像的灰度直方图各灰度级对应的像素点频率组成第一灰度分布序列包括：获得待检测图案灰度图像的灰度直方图，横坐标为灰度级，纵坐标为各灰度级对应的像素点的频率；检测图案灰度图像的灰度直方图中各灰度级对应的
像素点的频率组成第一灰度分布序列，所述第一灰度分布序列的元素的顺序与灰度直方图中灰度级的顺序一致。
[0009]优选地，所述设定各类别的类别值包括：属于正常点的像素点的类别值为第一预设值，属于变化点的像素点的类别值为第二预设值，属于疵点的像素点的类别值为第三预设值；其中第三预设值大于第二预设值，第二预设值大于第一预设值。
[0010]优选地，通过第一灰度序列和第二灰度分布序列对应元素的差值获得灰度级类别序列，同时得到各类别像素点对应的灰度级包括：第一灰度序列和第二序列的差值组成距离分布序列，设定第一阈值和第二阈值，其中第一阈值大于第二阈值；将大于等于第二阈值小于等于第一阈值的距离分布序列的元素标为第一预设值，将小于第二阈值的元素标为第二预设值，将大于第一阈值的元素标为第三预设值，其中所述第一预设值、第二预设值和第三预设值不同；根据标为第一、第二、第三预设值的元素获得灰度级类别序列，序列的元素顺序与距离分布序列的顺序相同，且序列的各元素对应灰度级为各类别像素点对应的灰度级。
[0011]优选地，所述根据标为第一、第二、第三预设值的元素获得灰度级类别序列包括：标为第一、第二、第三预设值的元素组成序列，利用预设尺度的窗口消除序列中的异常元素的步骤，该步骤包括：
[0012]在窗口的中心元素只有一个相邻的元素，若相邻元素与中心元素相同，则中心元素的值不变，若元素的值不同，则将中心元素的值转变为其相邻元素的值；
[0013]在窗口的中心元素有两个相邻元素时，在窗口的元素的预设值相同，则维持不变；若中心元素的预设值与左右两侧相邻元素值不同，以窗口内频数最大的预设值作为中心元素的值，继续进行下一个元素的判断；
[0014]在窗口内元素的预设值都不同时，则扩大窗口的尺度，扩大窗口内频数最大的预设值为中心元素的值；若频数最大的预设值有多个，则继续扩大窗口的尺度直至频数最大的预设值只有一个，以频数最大的预设值作为中心元素的元素值；在扩大窗口尺度时，窗口的尺度为奇数，将序列中的异常元素值消除后获得的序列为灰度级类别序列。
[0015]优选地，所述获得像素点类别图像中各像素点的类别灰度共生矩阵包括：设定预定尺寸的滑动窗口，利用预定尺寸的滑动窗口计算像素点类别图像中各像素点的灰度共生矩阵，其中灰度共生矩阵的维度由像素点的类别数量确定。
[0016]第二方面，本专利技术另一个实施例提供了一种基于灰度共生矩阵的织物疵点分割系统，系统包括：分布序列获取模块，用于分割待检测织物灰度图像中的图案获得待检测图案灰度图像；利用待检测图案灰度图像的灰度直方图各灰度级对应的像素点频率组成第一灰度分布序列；
[0017]分类模块，用于通过第一灰度序列和第二灰度分布序列对应元素的差值获得灰度级类别序列，所述第二灰度分布序列为标准图案灰度图像所对应的分布序列，同时得到各类别像素点对应的灰度级；其中，各类别像素点包括正常点、变化点和疵点，设定各类别的类别值；利用各类别对应的灰度级确定待检测图案灰度图像中像素点的类别，并将像素点的灰度值转变为像素点所属类别的类别值获得像素点类别图像；
[0018]疵点区域获取模块，用于获得像素点类别图像中各像素点的类别灰度共生矩阵，所述类别灰度共生矩阵元素为各像素点对出现的频率；对类别灰度共生矩阵中包含疵点的
像素点对所对应的频率加权求和获得各像素点属于疵点的概率；将待检测图案灰度图像中的像素点的灰度值赋值为各像素点对应的属于疵点的概率获得疵点共生表示图像；对疵点共生表示图像进行阈值分割获得织物疵点区域。
[0019]优选地，所述分类模块，还用于第一灰度序列和第二序列的差值组成距离分布序列，设定第一阈值和第二阈值，其中第一阈值大于第二阈值；将大于等于第二阈值小于等于第一阈值的距离分布序列的元素标为第一预设值，将小于第二阈值的元素标为第二预设值，将大于第一阈值的元素标为第三预设值，其中所述第一预设值、第二预设值和第三预设值不同；根据标为第一、第二、第三预设值的元素获得灰度级类别序列，序列的元素顺序与距离分布序列的顺序相同，且序列的各元素对应灰度级为各类别像素点对应的灰度级。
[0020]优选地，所述分类模块，还用于利用预设尺度的窗口消除标为第一、第二、第三预设值的元素组成序列本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于灰度共生矩阵的织物疵点分割方法，其特征在于，该方法包括：分割待检测织物灰度图像中的图案获得待检测图案灰度图像；利用待检测图案灰度图像的灰度直方图各灰度级对应的像素点频率组成第一灰度分布序列；通过第一灰度序列和第二灰度分布序列对应元素的差值获得灰度级类别序列，所述第二灰度分布序列为标准图案灰度图像所对应的分布序列，同时得到各类别像素点对应的灰度级；其中，各类别像素点包括正常点、变化点和疵点，设定各类别的类别值；利用各类别对应的灰度级确定待检测图案灰度图像中像素点的类别，并将像素点的灰度值转变为像素点所属类别的类别值获得像素点类别图像；获得像素点类别图像中各像素点的类别灰度共生矩阵，所述类别灰度共生矩阵元素为各像素点对出现的频率；对类别灰度共生矩阵中包含疵点的像素点对所对应的频率加权求和获得各像素点属于疵点的概率；将待检测图案灰度图像中的像素点的灰度值赋值为各像素点对应的属于疵点的概率获得疵点共生表示图像；对疵点共生表示图像进行阈值分割获得织物疵点区域。2.根据权利要求1所述的一种基于灰度共生矩阵的织物疵点分割方法，其特征在于，所述分割待检测织物灰度图像中的图案获得待检测图案灰度图像包括：将具有周期性图案的织物图像灰度化获得待检测织物灰度图像，并将所述待检测织物灰度图像中的图案单独分割出来获得待检测图案灰度图像；所述待检测图案灰度图像只包含一个图案，且其尺寸大于待检测织物灰度图像的图案。3.根据权利要求1所述的一种基于灰度共生矩阵的织物疵点分割方法，其特征在于，所述利用待检测图案灰度图像的灰度直方图各灰度级对应的像素点频率组成第一灰度分布序列包括：获得待检测图案灰度图像的灰度直方图，横坐标为灰度级，纵坐标为各灰度级对应的像素点的频率；检测图案灰度图像的灰度直方图中各灰度级对应的像素点的频率组成第一灰度分布序列，所述第一灰度分布序列的元素的顺序与灰度直方图中灰度级的顺序一致。4.根据权利要求1所述的一种基于灰度共生矩阵的织物疵点分割方法，其特征在于，所述设定各类别的类别值包括：属于正常点的像素点的类别值为第一预设值，属于变化点的像素点的类别值为第二预设值，属于疵点的像素点的类别值为第三预设值；其中第三预设值大于第二预设值，第二预设值大于第一预设值。5.根据权利要求1所述的一种基于灰度共生矩阵的织物疵点分割方法，其特征在于，通过第一灰度序列和第二灰度分布序列对应元素的差值获得灰度级类别序列，同时得到各类别像素点对应的灰度级包括：第一灰度序列和第二序列的差值组成距离分布序列，设定第一阈值和第二阈值，其中第一阈值大于第二阈值；将大于等于第二阈值小于等于第一阈值的距离分布序列的元素标为第一预设值，将小于第二阈值的元素标为第二预设值，将大于第一阈值的元素标为第三预设值，其中所述第一预设值、第二预设值和第三预设值不同；根据标为第一、第二、第三预设值的元素获得灰度级类别序列，序列的元素顺序与距离分布序列的顺序相同，且序列的各元素对应灰度级为各类别像素点对应的灰度级。6.根据权利要求5所述的一种基于灰度共生矩阵的织物疵点分割方法，其特征在于，所述根据标为第一、第二、第三预设值的元素获得灰度级类别序列包括：标为第一、第二、第三预设值的元素组成序列，利用预设尺度的窗口消除序列中的异常元素的步骤，该步骤包括：
在窗口的中心元素只有一个相邻的元素，若相邻元素与中心元素相同，则中心元素的值不变，若元素的值不同，则将中心元素的值转变为其相邻元素的值；在窗口的中心元素有两个相邻元素时，在窗口的元素的预设值相同，则维持不变；...

【专利技术属性】
技术研发人员：韩东，田勇，
申请(专利权)人：南通真馨家纺有限公司，
类型：发明
国别省市：