用于纺织布料质检的面料缺陷分析识别方法技术

本发明专利技术涉及数据处理技术领域，具体涉及一种用于纺织布料质检的面料缺陷分析识别方法，该方法采集纺织布料的表面图像及其边缘图像并选取纱结点；获取边缘图像的特征图像；以任意一个像素点作为目标点与纱结点组成点对，获取每个点对的第一打结差异性；将特征图像分割为多个子区域，基于每个点对所在子区域之间的差异获取对应的第二打结差异性；进而获取综合差异性；获取每个点对的非均匀度差异；根据所有点对的综合差异性和非均匀度差异组成差异序列，获取差异序列对应的频率

【技术实现步骤摘要】
用于纺织布料质检的面料缺陷分析识别方法


[0001]本专利技术涉及数据处理
，具体涉及一种用于纺织布料质检的面料缺陷分析识别方法。

技术介绍

[0002]纺织布料在产出后需对布料的成品质量进行评定和筛选，以便于分析布料的处理方法和后续用途。纺织布料的缺陷有破洞、脏污、纱结等，由于纱结的成因是纺织机械在加工时经纱或纬纱断掉又重新连接而成，布料成品表面会出现结状缺陷。对纱结缺陷的分析有助于面料质量评定的同时，又能对加工过程中纺织机械生产期间的差错进行校正。
[0003]目前大多通过传统人力检测识别面料缺陷，容易造成错检、漏检，且主观性强，检测效率低。随着大数据的发展，面料缺陷检测也逐渐出现利用数据处理的方法对面料图像进行分析，来识别面料缺陷的方法，例如通过灰度共生矩阵获取面料图像的纹理，再对比不同面料的纹理识别面料缺陷；还有利用网络训练的方法识别面料缺陷。但是通过灰度共生矩阵获取纹理识别面料缺陷的方法利用的数据比较单一，不能保证面料缺陷识别的准确度；而网络训练识别面料缺陷的方法所需数据量巨大，实现难度高，成本也高。

技术实现思路

[0004]为了解决上述技术问题，本专利技术提供一种用于纺织布料质检的面料缺陷分析识别方法，所采用的技术方案具体如下：本专利技术一个实施例提供了一种用于纺织布料质检的面料缺陷分析识别方法，该方法包括以下步骤：采集纺织布料的表面图像，并通过边缘检测获取表面图像的边缘图像，所述边缘图像中包括强边缘点和弱边缘点；任意选取一个强边缘点作为纱结点；以所述边缘图像中每个像素点作为中心点构建窗口，利用局部二值模式获取每个窗口的特征值，进而组成特征图像；以任意一个像素点作为目标点，与纱结点组成点对，计算目标点的特征值与纱结点的特征值之间的汉明距离作为对应点对的第一打结差异性；将所述特征图像分割为多个预设尺寸的子区域，由每个子区域内所有目标点的特征值组成特征矩阵，获取目标点所在子区域的特征矩阵和纱结点所在子区域的特征矩阵之间的差异作为对应点对的第二打结差异性；根据所述第一打结差异性和所述第二打结差异性获取对应点对的综合差异性；以每个目标点为中心点获取邻域区域，基于邻域区域内所有像素点生成的灰度共生矩阵获取对应目标点的非均匀度；以目标点的非均匀度和纱结点的非均匀度的差值作为对应点对的非均匀度差异；获取每个点对的综合差异性和非均匀度差异构成的二元组，由所有点对的二元组组成一个差异序列，对差异序列进行经验模态分解以及希尔伯特
‑
黄变换得到对应的频率
‑
能量序列，计算所述频率
‑
能量序列中每两个元素的自相关性，基于所述自相关性对所有目
标点进行分类，识别出纱结缺陷。
[0005]优选的，所述边缘图像的获取方法为：获取表面图像的灰度图像，通过canny算子利用双阈值检测对灰度图像进行边缘检测，得到强边缘线点和弱边缘点，将强边缘点的灰度值替换为第一灰度值，其余像素点的灰度值替换为第二灰度值，得到二值图像，即为所述边缘图像。
[0006]优选的，所述特征图像的获取方法为：比较窗口内每个像素点的像素值与中心点的像素值的大小，当大于或者等于中心点的像素值时，将对应位置的像素点标记为1，否则标记为0，按照顺时针方向或者逆时针方向将所有标记值排列为一个字符串，即为中心点的特征值，将所述特征值转换为十进制数值作为对应窗口中心点的像素值，组成所述特征图像。
[0007]优选的，所述特征矩阵的获取方法为：以子区域内的每个目标点的特征值作为矩阵同一位置上的元素，组成与对应子区域大小相同的矩阵，即为所述特征矩阵。
[0008]优选的，所述第二打结差异性的获取方法为：计算目标点所在子区域的特征矩阵和纱结点所在子区域的特征矩阵之间的归一化互相关系数，以所述归一化互相关系数的相反数作为所述第二打结差异性。
[0009]优选的，所述综合差异性的获取方法为：以所述第二打结差异性作为预设值的指数得到指数函数结果，乘上所述第一打结差异性，得到的乘积为所述综合差异性。
[0010]优选的，所述非均匀度差异的获取方法为：获取目标点所在邻域区域内所有像素点生成的灰度共生矩阵的熵作为所述目标点的非均匀度，获取纱结点所在邻域区域内所有像素点生成的灰度共生矩阵的熵作为纱结点的非均匀度，两个非均匀度作差得到所述非均匀度差异。
[0011]优选的，所述对差异序列进行经验模态分解以及希尔伯特
‑
黄变换得到对应的频率
‑
能量序列，包括：通过对差异序列进行经验模态分解得到多个子序列，分别对每个子序列进行希尔伯特
‑
黄变换得到对应子序列中每个元素对应的瞬时频率和瞬时能量，所有子序列同一元素对应的瞬时频率的均值作为该元素的平均频率，所有子序列同一元素对应的瞬时能量的均值作为该元素的平均能量，由平均频率和平均能量组成的二元组作为对应元素的频率
‑
能量二元组，所有元素的频率
‑
能量二元组组成所述频率
‑
能量序列。
[0012]本专利技术实施例至少具有如下有益效果：首先在纺织布料的表面图像检测出强边缘点，任选一个强边缘点作为纱结点，仅通过边缘检测无法完全识别出纱结，但是强边缘点必定为纱结，因此选取强边缘点作为其他像素点进行纱结检测的基础；利用局部二值模式获取每个像素点的特征值，进而计算每个像素点与纱结点之间的第一打结差异性和第二打结差异性，并结合得到综合差异性，对于每个像素点，从对应的特征值以及所在子区域的特征矩阵两个方面获取像素点和纱结点之间的综合差异性，从点到局部进行差异对比的综合考量，对比全面；然后基于像素点的邻域区域的非均匀度获取像素点和纱结点之间的非均匀度差异，从局部均匀性方面对比像素点和纱结点的差异；将综合差异性和非均匀度差异构成二元组，并将所有像素点的二元组
组成差异序列进行分析，通过对差异序列进行处理得到频率
‑
能量序列，体现出不同像素点与纱结点之间的差异波动情况，并依据频率
‑
能量序列中每两个元素之间的自相关性将目标点分类，使差异相似的目标点分为一类，每一类像素点即为一个纱结缺陷区域，完成纱结缺陷的识别。本专利技术通过对像素点和纱结点进行多方面的差异分析将像素点分类，能够准确识别出纱结缺陷，并且数据量少，识别效率高。
附图说明
[0013]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。
[0014]图1为本专利技术一个实施例提供的一种用于纺织布料质检的面料缺陷分析识别方法的步骤流程图。
具体实施方式
[0015]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，对依据本专利技术提出的一种用于纺织布料质检的面料缺陷分析识别方法，其具体实施方式本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.用于纺织布料质检的面料缺陷分析识别方法，其特征在于，该方法包括以下步骤：采集纺织布料的表面图像，并通过边缘检测获取表面图像的边缘图像，所述边缘图像中包括强边缘点和弱边缘点；任意选取一个强边缘点作为纱结点；以所述边缘图像中每个像素点作为中心点构建窗口，利用局部二值模式获取每个窗口的特征值，进而组成特征图像；以任意一个像素点作为目标点，与纱结点组成点对，计算目标点的特征值与纱结点的特征值之间的汉明距离作为对应点对的第一打结差异性；将所述特征图像分割为多个预设尺寸的子区域，由每个子区域内所有目标点的特征值组成特征矩阵，获取目标点所在子区域的特征矩阵和纱结点所在子区域的特征矩阵之间的差异作为对应点对的第二打结差异性；根据所述第一打结差异性和所述第二打结差异性获取对应点对的综合差异性；以每个目标点为中心点获取邻域区域，基于邻域区域内所有像素点生成的灰度共生矩阵获取对应目标点的非均匀度；以目标点的非均匀度和纱结点的非均匀度的差值作为对应点对的非均匀度差异；获取每个点对的综合差异性和非均匀度差异构成的二元组，由所有点对的二元组组成一个差异序列，对差异序列进行经验模态分解以及希尔伯特
‑
黄变换得到对应的频率
‑
能量序列，计算所述频率
‑
能量序列中每两个元素的自相关性，基于所述自相关性对所有目标点进行分类，识别出纱结缺陷。2.根据权利要求1所述的用于纺织布料质检的面料缺陷分析识别方法，其特征在于，所述边缘图像的获取方法为：获取表面图像的灰度图像，通过canny算子利用双阈值检测对灰度图像进行边缘检测，得到强边缘线点和弱边缘点，将强边缘点的灰度值替换为第一灰度值，其余像素点的灰度值替换为第二灰度值，得到二值图像，即为所述边缘图像。3.根据权利要求1所述的用于纺织布料质检的面料缺陷分析识别方法，其特征在于，所述特征图像的获取方法为：比较窗口内每个像素点的像素值与中心点的像素值的大小，当大于或者等于中心点的像素值时，将对应位置的像素点标记为1，否则标记为0，按照顺时针方向或者逆时针方向将所有标记值排列为...

【专利技术属性】
技术研发人员：邵海军，杨家俊，于倩，
申请(专利权)人：南通世森布业有限公司，
类型：发明
国别省市：