[发明专利]基于小波轮廓波变换与视觉显著性的经编织物疵点检测方法

说明书

本发明涉及一种基于小波轮廓波变换与视觉显著性的经编织物疵点检测方法，包括以下步骤：选择基波，构建小波变换滤波器；对待测经编织物图像进行小波分解，得到近似特征子图与细节特征子图；对近似特征子图之间和细节特征子图进行高斯差分得到近似特征差分子图和细节特征差分子图；对特征差分子图进行归一化处理后进行加相融合得到近似特征显著图和细节特征显著图；采用非下采样方向滤波器组对细节特征显著图进行卷积滤波，得到细节特征方向子带系数，并根据能量原理选择能量较高的子带系数进行重构细节特征显著图；对近似特征显著图和重构细节特征显著图进行分割，处理分割图后将各分割图像相加，再进行疵点判别。本发明能够提高疵点检测准确率。

技术领域

本发明涉及一种基于小波轮廓波变换与视觉显著性的经编织物疵点检测方法，属于图像处理技术领域。

背景技术

近几十年来，经编织物的市场占有份额不断加大。相较于机织物和纬编织物，经编织物以其织造效率高，机器速度快而闻名。经编织物上的疵点，比如常见的断纱、横档与油污，将会对其价格造成很大的影响，从而影响生产企业的实际效益。在传统的疵点检测中，都是挡车工进行机上在线检测，这种方法效率低下，且人工存在视觉疲劳等生理限制，在实际效果上存在较大的误差。基于机器视觉的疵点检测手段相对于人工来说，具有高效率、高准确率、低成本的优点，因此，在当前经编生产企业中，已有部分企业引进了基于机器视觉的疵点检测系统。

基于机器视觉的织物疵点自动检测方式已经成为替代人工的主要方法。不过，对于疵点检测的算法研究大多集中于机织布，且仅局限于结构并不复杂的白坯布，对于经编织物疵点检测的研究尚不成熟。目前，主流的疵点检测方法主要分为空域法和频域法，空域法主要有灰度共生矩阵法、灰度直方图统计法、马尔科夫随机场法等；频域法主要是二维傅里叶变换法、Gabor变换法、小波变换法等。但是，这些方法还不能非常有效地挖掘经编织物疵点的边缘信息。

为了更精准地保留织物疵点的边缘信息，引入轮廓波变换与视觉显著性原理应用于疵点分割之中。传统的轮廓波变换是由Do和Vetteri在曲波的基础上提出的，它由拉普拉斯金字塔滤波和传统方向滤波器组构成，具有多尺度多方向的特点。这种变换主要应用于图像压缩、图像融合等领域，在织物疵点检测中应用较少。采用小波变换替代拉普拉斯金字塔变换可降低轮廓波变换的冗余性，从而提高变换的整体性能。

发明内容

本发明的目的是克服现有技术中存在的不足，提供一种基于小波轮廓波变换与视觉显著性的经编织物疵点检测方法，提高检测的准确率。

按照本发明提供的技术方案，一种基于小波轮廓波变换与视觉显著性的经编织物疵点检测方法，特征是，包括以下步骤：

步骤1、选择基波，构建小波变换滤波器；

步骤2、对输入的待测经编织物图像进行三层小波分解，得到三种分辨率下的近似特征子图与细节特征子图；

步骤3、根据视觉显著性原理，对三种分辨率下的近似特征子图之间和细节特征子图之间进行高斯差分得到近似特征差分子图和细节特征差分子图；

步骤4、对特征差分子图进行归一化处理，然后对特征差分子图分别进行加相融合得到近似特征显著图和细节特征显著图；

步骤5、采用非下采样方向滤波器组对细节特征显著图进行卷积滤波，得到细节特征方向子带系数，并根据能量原理，选择能量较高的子带系数进行重构细节特征显著图；

步骤6、采用迭代阈值分割对近似特征显著图和重构细节特征显著图进行分割，使用形态学开运算处理分割图像，然后将处理后的各分割图像相加，最后进行疵点判别。