【技术实现步骤摘要】
本专利技术属于织物智能检测领域，特别涉及一种织物布边定位方法。
技术介绍
1、织物布边分布在织物两侧最外边缘位置，在织物在生产整个过程中，布边起着极其重要的作用，其宽度一般为1mm左右。在织物加工过程中，布边可以固紧纬纱两端，承受边撑的强力，使布面不至于发生过多的纬缩，减少边部经纱曲折，进而起到保持布面平坦、加固布身，便于后工序的加工的作用。随着纺织智能检测技术的快速发展，先进的自动化检测织物质量已经开始逐步取代人工检测工序。由于布边是为了保护布身，方便后期加工而设立，在基于机器视觉的织物质量检测应用中，检测的对象只一般包括布身，其布边并不在检测范围。
2、因此，采用机器视觉技术进行布面资料检测时，需要将布面两侧的布边排除在检测范围，纺织布边干扰其检测准确性。
3、文献（基于稀疏字典优选的织物疵点检测方法研究[d]. 江南大学, 2022. doi:10.27169/d.cnki.gwqgu.2022.002189）在自行研发的机器视觉验布机进行布面质量检测时，利用背景布面的亮度差，对验布机采集到的包含布边的织物图像通过灰度投影实现布边缘的定位，进而对布边进行剔除，实现布身的检测。该方法仅对布边缘进行了定位，无法实现布边的准确定位，其次无法适用于布边倾斜的情况。
4、因此，研究一种织物布边定位方法以解决上述问题具有十分重要的意义。
技术实现思路
1、本专利技术的目的就是为了克服现有检测方法不足，提供了一种织物布边定位方法。
2、为了达
3、一种织物布边定位方法，首先对包含布边的织物图像进行背景移除得到仅包括布边和布身的图像，再对得到的仅包括布边和布身的图像进行特征增强，以消除噪音及增加其布边与布身的纹理特征差异，然后从特征增强后的图像中提取织物纹理的梯度直方图特征，最后将梯度直方图特征进行聚类实现对织物布边的定位。
4、作为优选的技术方案：
5、如上所述的一种织物布边定位方法，具体步骤如下：
6、（1）背景移除；
7、首先将尺寸为w×w像素的包含布边的织物图像a转化为8位灰度图像，并将其分割为尺寸为32×w的子图像，记为{a1,a2,.. ,an}（n=w/32）；然后对每个子图像进行二值化处理，得到其二值图像，并根据二值图像分割结果移除背景，得到仅包括布边和布身的图像，记为{b1,b2,.. ,bn}；其中，w=512；
8、（2）特征增强；
9、将{b1,b2,.. ,bn}视为二维矩阵，记{b1,b2,.. ,bn}中的任一子图像为b（即b1,b2……bn），b的尺寸为32×k（k的取值与上一步移除背景的尺寸有关系，移除的多，k就小，反之亦然），首先对b进行矩阵的转置操作，得到bt，其中t表示矩阵的转置操作，转置操作的目标是将矩阵行里互换，方便增强其水平方向的特征差异，然后将bt进行奇异值分解，得到一个k×k的矩阵u，接着提取矩阵u中前p列，得到尺寸k×p的子矩阵up，最后采用up对bt进行特征增强处理，得到ct；
10、（3）特征提取；
11、令{b1,b2,.. ,bn}特征增强后的图像为{c1,c2,.. ,cn}，记{c1,c2,.. ,cn}中的任一子图像为c，c的尺寸为32×k，首先分别计算c在水平和垂直方向的梯度图像，记为gx和gy；然后采用除以最大值的方式将gx和gy归一化到[0 1]区间范围；最后将gx与gy相乘，并记g=gxgy，将g分割成32×32的子窗口，并在子窗口中提取直方图作为特征，记提取的直方图特征为{h1,h2,.. ,ht}；
12、（4）特征分类；
13、由于所提取的直方图特征只包括布边和布身，为此可以直接将直方图特征分类两类进行布边与布身区域的区分。为快速高效进行特征分类，采用k-means聚类算法对每张子图像{c1,c2,.. ,cn}所得的直方图特征进行聚类，类别设置为2，聚类结果为{d1,d2,.. ,dn}；设聚类结果{d1,d2,.. ,dn}中，布边对应的区域为1，布身对应的区域为0；
14、（5）布边定位；
15、子图像c1所得的聚类结果为d1，统计d1中布身区域像素点总个数，记为m，进而得到c1的布身宽度e1=m/32；同理，得到所有子图像的布身宽度，记为{e1,e2,.. ,en}，从而实现对布边的定位。
16、如上所述的一种织物布边定位方法，步骤（1）中采用otsu法进行二值化处理。
17、如上所述的一种织物布边定位方法，步骤（2）中奇异值分解的公式如下：
18、bt=uvdt；
19、其中，u是一个k×k的矩阵；v是一个的k×32的矩阵，除了主对角线上的元素以外全为0，主对角线上的每个元素都称为奇异值；dt是一个32×32的矩阵；u和d都是酉矩阵，即满足uut=i，ddt=i，其中i为单位矩阵。
20、如上所述的一种织物布边定位方法，步骤（2）中特征增强处理的公式如下：
21、ct=uputpbt；
22、其中，ct为bt增强后的图像，p的取值为5~10。
23、如上所述的一种织物布边定位方法，步骤（3）中计算c在水平和垂直方向的梯度图像，是分别采用水平梯度滤波器和垂直梯度滤波器对c进行滤波处理实现的（因为织物是水平垂直交织而成，布边和布身在这两个方向差异最大，通过对其水平和垂直滤波可以有效提升特征的区分性），水平梯度滤波器的结构如下：
24、；
25、垂直梯度滤波器的结构如下：
26、。
27、如上所述的一种织物布边定位方法，步骤（3）中所述直方图是将[0,1]区间均匀分为20个小区间，然后计算g的直方图，所得的直方图特征为20维。
28、如上所述的一种织物布边定位方法，步骤（5）中通过将布身宽度{e1,e2,.. ,en}进行曲线拟合的方法得到布边定位线，从而实现对布边的定位；布边定位线的获取过程为：默认图像左上角为坐标原点，令y坐标取值为布身宽度，即y={e1,e2,.. ,en}，对应的x坐标取图像a中每个子图像{a1,a2,.. ,an}的高度的中点位置（每个子图像尺寸为32×w），即x={16,48,80,.. w-16}，采用一次线性方程y=ax+b对上述坐标值进行拟合，拟合方法为最小二乘法，所得直线方程即为布边定位线。
29、有益效果
30、（1）本专利技术一种织物布边定位方法，利用织物布边与布身的纹理的结构差异，通过提取织物纹理的梯度直方图特征，并对其进行聚类后实现布边和布身的准确定位，提高了布边的定位性和不同类型、宽度布边的适应性；
31、（2）本专利技术一种织物布边定位方法，对布边长度方向进行分段定位，可实现布边歪斜情况的准确定位。
本文档来自技高网...【技术保护点】
1.一种织物布边定位方法，其特征在于：首先对包含布边的织物图像进行背景移除得到仅包括布边和布身的图像，再对得到的仅包括布边和布身的图像进行特征增强，以消除噪音及增加其布边与布身的纹理特征差异，然后从特征增强后的图像中提取织物纹理的梯度直方图特征，最后将梯度直方图特征进行聚类实现对织物布边的定位。
2.根据权利要求1所述的一种织物布边定位方法，其特征在于，具体步骤如下：
3.根据权利要求2所述的一种织物布边定位方法，其特征在于，步骤（1）中采用Otsu法进行二值化处理。
4.根据权利要求2所述的一种织物布边定位方法，其特征在于，步骤（2）中奇异值分解的公式如下：
5.根据权利要求2所述的一种织物布边定位方法，其特征在于，步骤（2）中特征增强处理的公式如下：
6.根据权利要求2所述的一种织物布边定位方法，其特征在于，步骤（3）中计算c在水平和垂直方向的梯度图像，是分别采用水平梯度滤波器和垂直梯度滤波器对c进行滤波处理实现的，水平梯度滤波器的结构如下：
7.根据权利要求2所述的一种织物布边定位方法，其特征在于，步骤
8.根据权利要求2所述的一种织物布边定位方法，其特征在于，步骤（5）中通过将布身宽度{e1,e2,.. ,en}进行曲线拟合的方法得到布边定位线，从而实现对布边的定位；布边定位线的获取过程为：令y={e1,e2,.. ,en}，x={16,48,80,.. w-16}，采用一次线性方程y=ax+b进行拟合，拟合方法为最小二乘法，所得直线方程即为布边定位线。
...【技术特征摘要】
1.一种织物布边定位方法，其特征在于：首先对包含布边的织物图像进行背景移除得到仅包括布边和布身的图像，再对得到的仅包括布边和布身的图像进行特征增强，以消除噪音及增加其布边与布身的纹理特征差异，然后从特征增强后的图像中提取织物纹理的梯度直方图特征，最后将梯度直方图特征进行聚类实现对织物布边的定位。
2.根据权利要求1所述的一种织物布边定位方法，其特征在于，具体步骤如下：
3.根据权利要求2所述的一种织物布边定位方法，其特征在于，步骤（1）中采用otsu法进行二值化处理。
4.根据权利要求2所述的一种织物布边定位方法，其特征在于，步骤（2）中奇异值分解的公式如下：
5.根据权利要求2所述的一种织物布边定位方法，其特征在于，步骤（2）中特征增强处理的公式如下：
6.根据权利...
【专利技术属性】
技术研发人员：赵金广，倪凤军，陈瑞，王雪，王丽丽，张怡，熊克，沈建根，
申请(专利权)人：江苏恒力化纤股份有限公司，
类型：发明
国别省市：
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。