一种布匹纹理检测方法技术

本发明专利技术涉及数据处理领域，具体涉及一种布匹纹理检测方法，包括以下步骤：获取布匹的图像信息数据，基于图像信息数据；获取灰度图像的全局分布特性，构建自适应下采样的高斯金字塔；基于高斯金字塔完成关键点的匹配，由平行线数量得到布匹的合格率。即本发明专利技术的方案能够准确的评估出布匹的质量情况。准确的评估出布匹的质量情况。准确的评估出布匹的质量情况。

【技术实现步骤摘要】
一种布匹纹理检测方法


[0001]本专利技术涉及数据处理领域，具体为一种布匹纹理检测方法。

技术介绍

[0002]随着经济水平的发展，全世界对高端布匹的需求量日益增长。其中，布匹的高端主要体现在纹理的复杂程度和与模板要求的重合程度。人工的布匹纹理检测效率低下且效果受主观因素影响，现有技术借助计算机视觉，通过卷积神经网络完成对布匹纹理瑕疵的检测。但是丰富和复杂的布匹纹理造成了模型参数多、训练速度慢、泛化性弱和检测性能差，技术需要进一步的优化。

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布匹纹理检测方法，所采用的技术方案具体如下：本专利技术提供的一种布匹纹理检测方法，包括以下步骤：采集布匹的嵌套纹理图像，包括模板图像和多个待检测的生产图像，摆正待检测的生产图像并进行预处理，得到灰度图像；获取灰度图像的全局分布特性，构建自适应下采样的高斯金字塔；基于高斯金字塔完成关键点的匹配，由平行线数量得到布匹的合格率；其中，构建自适应下采样的高斯金字塔的具体过程为：对灰度图像进行二维离散傅里叶变换得到频谱图，获取频谱图中找到最小周期部分，得到单周期图案，获取单周期图案的最小外接矩形，对所述最小外接矩形进行平移，得到新矩形区域；对最小外接矩形对应的灰度图像进行边缘检测，得到纹理轮廓，计算任意两边缘之间的距离，对像素点进行分类，得到背景像素和纹理像素；进而得到新矩形区域的初步二分类；基于像素的初步二分类，对重要程度不同的像素赋予权重后自适应下采样，得到高斯金字塔。
[0004]优选地，对重要程度不同的像素赋予权重后自适应下采样，得到高斯金字塔的具体过程为：确定下一个采样层中像素点与上一个采样层中像素点的映射关系；在第一个采样层中，对每个2*2的区域，由四个像素对于纹理检测的重要程度赋予相应权重；将2*2的区域向外扩大一圈得到4*4的区域：若未出现新增的纹理像素点，说明原区域中的纹理像素处于孤立或者边缘的位置，赋予的权重为初始权重的两倍；基于像素点的权重，第一次下采样时遍历所有2*2区域，保留四个像素点中权重最大的在新采样层；在完成一次下采样后，根据同样的原则更新像素权重，为下一次的采样准备；当布匹图像中均为纹理信息时，停止下采样。
[0005]优选地，设置纹理信息丰富度的阈值为，当纹理信息丰富度高于时，停止下采样，自适应下采样的高斯金字塔构建完成；其中纹理信息丰富度为式中，表示图像中像素的总行数，表示像素的总列数，分母表示像素总数，为第m行纹理数量总数。
[0006]优选地，基于自适应下采样的金字塔，进行差分和极值检测；统计关键点邻域中像素的梯度信息；得到模板纹理和待检测纹理图像的关键点描述子集合，对于每一个模板纹理的关键点，利用欧式距离计算当前关键点描述子在另一个关键点描述子集中的最匹配关键点，对匹配成功的两点进行连线；根据连线中平行线的数量，计算布匹的合格率。
[0007]本专利技术的有益效果：本专利技术从图像特征匹配的角度出发，基于SIFT算法，在高端布匹纹理检测的场景下，匹配模板图像与产品图像的关键点，由关键点的平行关系得到合格率，完成量化的布匹纹理检测。考虑到高端布匹的纹理存在复杂的嵌套图案，通用的下采样方式会破坏信息的完整度，造成关键点的错误匹配；金字塔组数过多带来很大的计算量，需要设置下采样的终止条件。因此，本专利技术根据纹理的全局分布特征构建自适应下采样的高斯金字塔，避免对纹理部分强不变性关键点的误删，实现更准确的特征点匹配。
附图说明
[0008]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0009]图1为本专利技术的一种布匹纹理检测方法的流程框图；图2为高端布匹的灰度图像。
具体实施方式
[0010]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术的方案，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
[0011]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0012]本专利技术的主要目的是根据嵌套纹理的全局分布特征构建自适应下采样的高斯金字塔，完成关键点匹配，统计平行线数量得到布匹合格率。
[0013]具体地，本专利技术提出的一种布匹纹理检测方法，请参阅图1所示，包括以下步骤：
步骤1，采集布匹的嵌套纹理图像，包括模板图像和多个待检测的生产图像，摆正待检测的生产图像并进行灰度处理，得到灰度图像。
[0014]本实施例中，采集布匹的嵌套纹理图像，对待检测图像矫正角度并预处理的具体过程如下：（1）由于拍摄角度的多样，采集到的大量待检测纹理图像存在倾斜和偏移。通过透视变换将图像摆正。（2）可以观察到高端布匹的纹理图像经过摆正后，仍然包括一些无关的背景因素，对图像进行裁剪，去除不感兴趣的非纹理部分图像并进行灰度化，得到的示例结果如图2所示。
[0015]步骤2，根据布匹嵌套纹理的全局分布特性，构建自适应下采样的高斯金字塔。
[0016]需要说明的是，常规SIFT中高斯金字塔的构建包括两部分：一是对原始图像进行删除偶数行和列的下采样处理，使图像大小变为原来的四分之一，得到不同的组；二是对一组中大小相同的图像用不同参数做高斯模糊，使其拥有多种尺度的变换。这样构建的高斯金字塔有组数和层数两个参数。在高端布匹嵌套纹理的场景下，通用技术中简单删除图像部分行和列的方式会误删部分不变性较强的关键点，为了保证关键点的质量和提高特征匹配的效果，本专利技术由纹理分布的特点构建自适应下采样的高斯金字塔，具体如下：a）借助空间域和频率域之间的转换，由高端布匹嵌套纹理中的单周期图案确定纹理的全局分布规律。
[0017]b）结合纹理的全局分布规律对像素进行分类，构造有针对性的自适应下采样金字塔。
[0018]步骤a）中，由于高端布匹中经常会有复杂的周期性几何嵌套纹理，因此本实施例中利用傅里叶变换可以从空间域转换到频率域，找到单个周期部分；再通过傅里叶逆变换从频率域转到空间域，可以定位到纹理的单个周期图案。高端布匹的纹理往往由这单个周期的图案平移后拼接得到，分析全局嵌套纹理的分布情况。
[0019]具体过程如下：1） 基于预处理得到的图像，由二维离散傅里叶变换得到频谱图。高端布匹图像中的纹理边界灰度变化剧烈，表现为高频信号；图像中没有纹理的纯色背景灰度几乎没有变化，表现为低频信号；频率域的周期性体现着布匹全局嵌套纹理分布的周期性。在频谱图中找到最小周期部分，通过傅里叶逆变换定位到几何嵌套纹理的单个周期图案。
[0020]2） 获得单个周期图案的最小外接本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种布匹纹理检测方法，其特征在于，包括以下步骤：采集布匹的嵌套纹理图像，包括模板图像和多个待检测的生产图像，摆正待检测的生产图像并进行预处理，得到灰度图像；获取灰度图像的全局分布特性，构建自适应下采样的高斯金字塔；基于高斯金字塔完成关键点的匹配，由平行线数量得到布匹的合格率；其中，构建自适应下采样的高斯金字塔的具体过程为：对灰度图像进行二维离散傅里叶变换得到频谱图，获取频谱图中找到最小周期部分，得到单周期图案，获取单周期图案的最小外接矩形，对所述最小外接矩形进行平移，得到新矩形区域；对最小外接矩形对应的灰度图像进行边缘检测，得到纹理轮廓，计算任意两边缘之间的距离，对像素点进行分类，得到背景像素和纹理像素；进而得到新矩形区域的初步二分类；基于像素的初步二分类，对重要程度不同的像素赋予权重后自适应下采样，得到高斯金字塔。2.根据权利要求1所述的一种布匹纹理检测方法，其特征在于，对重要程度不同的像素赋予权重后自适应下采样，得到高斯金字塔的具体过程为：确定下一个采样层中像素点与上一个采样层中像素点的映射关系；在第一个采样层中，对每个2*2的区域，由四个像素对于纹理检测的重要程...

【专利技术属性】
技术研发人员：邹玲玲，
申请(专利权)人：南通汭然纺织品有限公司，
类型：发明
国别省市：