[发明专利]基于局部最优分析的纺织品瑕疵检测方法

说明书

技术领域

本发明涉及纺织品检测技术领域，尤其是基于局部最优分析的纺织品瑕疵检测方法。

背景技术

纺织品的经济效益由其质量所决定，品质优秀的纺织品会带来收益，而含有瑕疵的残次品则会带来经济损失，传统的人工检测方式是根据检测人员的经验、纺织品的评分和评等标准对纺织品的质量进行评定。这种方式检测速度低，并且漏检率较高，因此需要发展快速、准确且无监督的纺织品瑕疵检测方法。

现今纺织品瑕疵检测针对的织物类型，可以分为两类：第一类是结构简单，不含有复杂的图案，多为纯色的纺织品；第二类则是有较为复杂的图案信息，且图案具有周期性。

对于第一类纯色纺织品图像的质量检测已经有了很多成熟的技术和算法，比较有代表性的有统计法、频谱法、训练法、结构法和模型法等。其中，统计法和谱方法无法针对瑕疵面积较大的纺织品图像进行检测；训练法需要大量地训练参数，所消耗的时间和成本都很高；结构法对样本图像纹理要求很高，对瑕疵类型没有普适性。在这些技术中，模型法能够将瑕疵检测问题转化为统计假设检验问题，利用有限的参数描述了图像中的一个像素与其相邻区域内像素的统计相关性，可以有效地描述纹理的结构特性和统计特性。

对于第二类含有周期基元图案的复杂纺织品图像的质量检测，成熟的技术相对较少，且现有的技术均需要训练样本的参数，所需的时间和成本极高，并且检测结果也一般。

发明内容

本发明要解决的技术问题是：为了解决现有的检测方法周期长、成本高且效果差的不足，本发明提供了一种基于局部最优分析的纺织品瑕疵检测方法，通过确定周期图案的大小对图像进行裁剪和分块，减少了计算复杂度，提高了检测速率，同时本方法对瑕疵类型具有普适性。

本发明解决其技术问题所采用的技术方案是：

一种基于局部最优分析的纺织品瑕疵检测方法，包括以下步骤：

1)输入待检测含有周期变化图案的纺织品图像；

2)确定图案的周期模板大小；

3)根据模板大小对图像进行分块；

4)对分块的图像块建立Markov随机场模型；

5)计算每一图像块的局部能量，改变区块的标记从而使该能量达到稳定，进而由局部最优扩散至全局最优；

6)根据最终的标记场完成瑕疵的定位。

具体地，所述确定图案的周期模板大小的方法是，在纺织品图像的水平方向取步长c且在纺织品图像的垂直方向取步长r对纺织品图像进行均匀分割，计算相邻两块间的差异并计算所有差异的总和，并根据差异总和的极小值求取纺织品图像的模板大小。

具体地，所述求取纺织品图像的模板大小的计算方法是，令步长c等于纺织品图像的水平方向图像长度进行r的求解，再求解c，或令步长r等于纺织品图像的垂直方向图像宽度进行c的求解，再求解r，并获取r和c的最佳值作为模板大小。

具体地，所述根据模板大小对图像进行分块的方法是，根据模板大小及纺织品图像的长度及宽度对纺织品图像进行裁剪；根据模板大小将裁剪后的纺织品平均分割为若干个大小相同的图像块。

具体地，所述对分块的图像块建立Markov随机场模型的方法是，每个图像块为随机场的最小计算单元；当前块与其四邻域图像块组成一个邻域系统；当前块的性质可以由四邻域的性质表征；对每个图像块赋予一个标记，初始标记均为0，将所有标记的集合作为标记场；将所有图像块进行叠加，生成立体模型，计算该模型的中位数，得到的结果即为待测纺织品图像的全局模板，该模板默认为无瑕，其标记为0。

具体地，所述计算每一图像块的局部能量的方法是，对于标记与全局模板相同的图像块，统计其四邻域内与其标记相同的图像块，计算该图像块与其四邻域内标记相同的块之间相似度的均值；对于标记与全局模板不同的图像块，其局部能量等于标记与全局模板相同的图像块的能量最大值。

具体地，所述改变区块的标记的方法是，计算所有图像块与全局模板间的相似系数；取一决策值λ在(0,1)间遍历；改变相似系数低于λ的图像块标记；如果改标记后局部能量降低，说明标记迭代准确，反之错误，改回原标记。

具体地，所述所述根据最终的标记场完成瑕疵的定位的方法是，标记为0的图像块认定为无瑕区块，标记为1的图像块认定为有瑕区块。

本发明的有益效果是：本发明提供了一种基于局部最优分析的纺织品瑕疵检测方法，通过确定周期图案的大小对图像进行裁剪和分块，减少了计算复杂度，提高了检测速率，同时本方法对瑕疵类型具有普适性。

附图说明