[发明专利]基于峰值覆盖值和混合特征的纺织品瑕疵检测方法

说明书

本发明提供一种基于峰值覆盖值和混合特征的纺织品瑕疵检测方法，该方法分析基于照明光源下平坦纺织品表面的数字图像像素灰度信息，将图像分割为互不重叠的网格，计算每个网格的IRM，HOG，GLCM和Gabor特征值，根据特征值分布自动定位纺织品表面瑕疵。本发明特别适用于自动识别在稳定照明光源下采集的纺织品平坦表面灰度数字图像中的纺织品表面瑕疵。

技术领域

本发明涉及纺织品瑕疵检测技术领域，特别是涉及一种基于峰值覆盖值和混合特征的纺织品瑕疵检测方法。

背景技术

传统的纺织品瑕疵人工识别准确率只有60-75％(参见文献：K.Srinivasan，P.H.Dastoor，P.Radhakrishnaiah，et al..FDAS：a knowledge-based framework foranalysis of defects in woven textiles tructures，J.Text.Inst.83(1992)431-448.)，机器自动识别纺织品瑕疵的方法具有实际应用需求。平坦纺织品表面的数字图像采样(以下简称纺织品图像)属于二维纹理，二维纹理已被证明可根据17种壁纸群(wallpapergroup)定义的图案排列方法生成(参见文献：H.Y.T.Ngan，G.K.H.Pang，N.H.C.Yung.Motif-based defect detection for patterned fabric，Pattern Recognit.(2008)18781894.)，用于生成二维纹理的图案称为图格(1attice)(参见：https://en.wikipedia.org/wiki/Wallpaper_group)，图格内部图案称为motif。多数纺织品瑕疵自动检测方法只能处理墙纸群中p1类型的纺织品图像(参见文献：H.Y.T.Ngan，G.K.H.Pang，N.H.C.Yung.Automated fabric defect detection-Areview，Image and VisionComputing 29(7)(2011)442-458.)，仅有少数方法能处理p1类型以外的纺织品图像(参见文献：H. Y.T.Ngan，G.K.H.Pang，N.H.C.Yung.Motif-based defect detection forpatterned fabric，Pattern Recognit.(2008)1878-1894.)，例如基于小波预处理的基准图像差分方法(wavelet-pre-processed golden image subtraction，以下简称WGIS)(参见文献：H.Y.T.Ngan，G.K.H.Pang，N.H.C.Yung，et al.，Wavelet based methods onpatterned fabric defect detection，Pattern Recognit.38(4)(2005)559-576.)，共生矩阵方法(参见文献：C.J.Kuo，T.Su，Gray relational analysis for recognizingfabric defects，Text.Res.J.73(5)(2003)461-465.)，布林带方法(Bollinger bands，以下简称BB)(参见文献：H.Y.T.Ngan，G.K.H.Pang，Novel method for patterned fabricinspection using bollinger bands，Opt.Eng.45(8)(2006)087202-1-087202-15.)，规则带方法(regular bands，以下简称RB)(参见文献：H.Y.T.Ngan，G.K.H.Pang，Regularityanalysis for patterned texture inspection，IEEE Trans.Autom.Sci.Eng.6(1)(2009)131-144.)，Elo评估方法(Elo rating method，以下简称ER)(参见文献：C.S.C.Tsang，H.Y.T.Ngan，G.K.H.Pang，Fabric inspection based on the Elo rating method，Pattern Recognit.51(2016)378-394.)等。尽管这些方法可以处理p1以外的纺织品图像，但它们的计算方法多是建立在基于人工选择的类似格的图案(以下简称图格)之上。例如WGIS要求人工选择图格的尺寸和纹理，BB，RB和ER要求人工定义图格的尺寸。这些先验知识在一定程度上降低了机器识别纺织品瑕疵的自动化程度。