[发明专利]一种基于Sobel算子的布料疵点检测方法

说明书

本发明公开了一种基于Sobel算子的疵点检测方法，属于图像检测领域。本发明首先对图像进行Sobel算子滤波，得到初步二值化的疵点图像，然后对初步的疵点检测图像进行分块，统计每个图像块中非零像素值的个数，结合阈值将图像块分为包含疵点图像块和不包含疵点图像块，最后将图像块再合成为疵点图像。为进一步抑制噪声，对合成图像块进行了进一步分块结合阈值的循环处理。本发明通过Sobel算子与图像分块相结合，建立一种新的Sobel‑IP疵点检测方法。充分利用Sobel算子的边缘检测效果，得到初始检测结果后，再对图像进行二次分块阈值处理，不仅能准确检测出布料中的疵点，同时可以有效抑制噪声，从而提高布料疵点检测效率，降低误检率。

技术领域

本发明属于图像检测技术领域，尤其涉及一种基于Sobel算子的布料疵点检测方法。

背景技术

布料疵点检测是确保布料质量的一个关键步骤，因此在纺织行业中一直是一个热门话题。布料的传统检测主要依靠人的视觉来完成，这种检测方式不仅效率低下，而且检测错误率很高。有研究表明：即使是专业的检测人员，对布料检测率也只能达到70％左右[1]。近年来，人们采用基于计算机视觉的检测方法来弥补传统布料疵点检测的不足，这类方法的核心是设计快速并且有效的算法。

目前疵点检测方法主要分为三大类：基于统计的方法，谱方法以及基于模型的方法。

基于统计的方法比较典型的有灰度共生矩阵方法[2]，谱方法使用图像的谱特征用于疵点检测，谱方法主要有傅里叶变换[3]、小波变换[4]。基于模型的方法主要从数据的结构出发，比较典型的有自回归模型[5]、马尔科夫随机模型[6]。

目前疵点检测存在的缺陷主要有：(1)由于图片采集等各种原因，噪声引入不可避免，导致一般检测方法的误检率过高；(2)部分疵点检测方法在获得较高检测率同时，由于算法复杂性，很难做到实时检测。

[1]H.Sari-Sarraf,JS.Goddard,Vision systems for on-loom fabricinspection.IEEE Trans.Ind.Appl,35(6),1252-1259(1999).

[2]A.Latif-Amet,A.Ertuzun,A.Ercil,An efficient method for texturedefect detection:sub-band domain co-occurrence matrices,Image and VisionComputing 18,543–55(2000).

[3]CH.Chan,G.Pang,Fabric defect detection by Fourier analysis,IEEETrans.Ind.Appl.36(5),1743-1750(2000).

[4]Y.Han,P.Shi,An adaptive level-selecting wavelet transform fortexture defect detection,Image Vision Comput,25(8),1239-1248(2007).

[5]J.Zhou,D.Semenovich,A.Sowmya,J.Wang,Dictionary learning frameworkfor fabric defect detection,The Journal of the Textile Institute,105(3),223-234(2014).

[6]S.Ozdemir,A.Ercil,Markov random fields and Karhunen-Loevetransform for defect inspection of textile products.IEEE Conference onEmerging Technologies&Factory Automation,1996,pp.697-703.

发明内容