[发明专利]一种基于总变差的织物疵点分割方法有效

专利信息
申请号: 201811235340.7 申请日: 2018-10-23
公开(公告)号: CN109345548B 公开(公告)日: 2021-08-13
发明(设计)人: 周建;高卫东;潘如如;王蕾;彭子睿 申请(专利权)人: 江南大学
主分类号: G06T7/11 分类号: G06T7/11;G06T7/136;G06T7/143;G06T7/00
代理公司: 大连理工大学专利中心 21200 代理人: 梅洪玉
地址: 214122 江*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 总变差 织物 疵点 分割 方法
【说明书】:

发明属于纺织加工技术领域,涉及一种基于总变差的织物疵点分割方法,步骤如下:第一步:将待检测到织物图像样本I连续有重叠地划分成w×w大小的子窗口;第二步:将每个子窗口的列向量排列为一个行数为w×w的矩阵A;第三步:对矩阵A进行奇异值分解;第四步:对待检测到织物图像样本I的子窗体进行重构;第五步:重复第四步将待检测到织物图像样本I中所有子窗口进行重构;第六步:获取疵点残差图S后,应用基于总变差的方程求解Sx和Sy,第七步:采用阈值H对STV进行二值化处理,进而实现疵点的分割。本发明使整个检测过程不需要训练样本和训练过程;能适应各种复杂多变纹理下的疵点,且对变化微弱疵点检测精度高。

技术领域

本发明属于纺织加工技术领域,涉及一种基于总变差的织物疵点分割方法。

背景技术

对于纺织生产型企业而言,装备先进的纺织品检测技术,是生产高品质产 品的必要条件。织物瑕疵是影响纺织品质量的重要因素,然而目前大部分纺织 企业仍然是采取人工方式进行坯布成品检验,存在劳动强度高,效率低,漏检 高。随着工业机器视觉技术的发展,在织物的疵点检测中运用自动检验技术来 提高生产效率和质量是一个必然的趋势。

应用机器视觉代替人工视觉进行织物疵点自动检测的核心在于设计有效疵 点识别方法,即将让计算机将坯布上的疵点主体区域自动识别并从背景中分割 出来。由于织物为柔性片状物,其织物交织规律复杂多变,所形成的纹理千变 万化、同时所形成的疵点也复杂多样,为此设计能识别多种织物疵点的分割方 法可以为织物疵点自动识别应用提供理论基础。但是目前,织物疵点分割方法 尚未成熟,主要是识别的类型少,对于变异小的疵点识别准确度不够,为此本 发明提供了一种基于总变差的织物疵点分割方法,可以有效的将变化微弱的疵 点区域分割出来,且整个检测过程无需参考样本。

发明内容

本发明提供了一种基于总变差的织物疵点分割方法,解决机织物人工验布 带来的漏检、工作强度大、效率低等弊端。

本发明的技术方案:

一种基于总变差的织物疵点分割方法,步骤如下:

第一步:待检测到织物图像样本I的大小为m×n,将其连续有重叠地划分 成w×w大小的子窗口,其子窗口总个数为(m-w+1)×(n-w+1);

其中,w的取值范围为16~40;

第二步:将每个子窗口视为一个行数为w×w的列向量,并将该列向量排列 为一个行数为w×w的矩阵A,该矩阵A的子窗体总数为(m-w+1)×(n-w+1);

第三步:对矩阵A进行奇异值分解,即A=UDVT,U为m×m的矩阵,D 为m×n的矩阵,V为n×n的矩阵。提取矩阵U的前p列,记为Up

其中,T为转置,p的取值范围为3~15;

第四步:采用如下公式对待检测到织物图像样本I的子窗体进行重构,得到 重构图像Im

式中,yi表示任一子窗口,为yi的重构;

第五步:重复第四步将待检测到织物图像样本I中所有子窗口进行重构;计 算相应的疵点残差图S=|I-Im|;

第六步:获取疵点残差图S后,应用基于总变差的方程求解Sx和Sy,其中 Sx和Sy表示水平和垂直方向的疵点信息,总变差的方程公式如下:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江南大学,未经江南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811235340.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top