[发明专利]一种基于自编码器的彩色纹理织物缺陷区域的检测方法

权利要求书

1.一种基于自编码器的彩色纹理织物缺陷区域的检测方法，其特征在于，具体按照如下步骤：

步骤1，准备彩色纹理织物数据集，对彩色纹理织物数据集中的彩色纹理织物无缺陷图像叠加噪声；

步骤2，构建记忆引导的量子化变分自编码器二模型；

所述步骤2中的记忆引导的量子化变分自编码器二模型为两级潜在空间对称结构，所述潜在空间使用记忆模块和量子化变分自编码器二的离散潜空间进行构建，所述对称结构包括低层级编码器和高层级编码器以及解码器，记忆引导的量子化变分自编码器二模型包括五个部分，分别为低层级编码器、高层级编码器、低层级潜在空间及记忆模块、高层级潜在空间及记忆模块、解码器；按照以下方式连接：

所述低层级编码器的输入层为输入叠加噪声图像，所述低层级编码器的输出层通过K＝4、S＝2、P＝1的卷积Conv连接有高层级编码器，所述低层级编码器的输出层通过Copy1连接有特征融合层，所述高层级编码器的输出层连接有高层级潜在空间及高层级记忆模块，所述高层级潜在空间的输出层并列连接高层级残差块和特征层F_top_latent，所述高层级记忆模块连接所述F_top_latent，所述特征层F_top_latent通过K＝4、S＝2、P＝1的反卷积ConvTrans连接有特征层5，所述高层级残差块通过K＝1、S＝1、P＝0的卷积Conv与特征融合层相连，特征融合层通过K＝1,S＝1,P＝0的卷积Conv连接有特征层4，特征层4连接有低层级潜在空间及低层级记忆模块，低层级潜在空间及低层级记忆模与特征层5共同连接特征层F_bottom_latent，特征层F_bottom_latent通过K＝3、S＝1、P＝1的卷积Conv连接有解码器，所述解码器的输出层输出重构图像，其中，Conv表示卷积，K表示卷积核大小，S表示每次卷积的步长，P表示填充，所述高层级潜在空间的输出层与特征层F_top_latent利用Copy2相连，所述特征层5与特征层F_bottom_latent通过Copy3相连，所述Copy1、Copy2和Copy3均表示跳接；

步骤3，将步骤1经过叠加噪声的彩色纹理织物数据集中的彩色纹理织物无缺陷图像输入步骤2建立的记忆引导的量子化变分自编码器二模型中对记忆引导的量子化变分自编码器二模型根据训练参数进行训练；

步骤4，利用步骤3训练好的记忆引导的量子化变分自编码器二模型对所有待检测的彩色纹理织物图像进行重构，输出各自对应的重构图像，然后进行检测以定位缺陷区域；

所述步骤4具体为：

步骤4.1，将待检测的彩色纹理织物图像输入到经过步骤3训练好的记忆引导的量子化变分自编码器二模型中，得到对应的重构图像；

步骤4.2，对待检测的彩色纹理织物图像和对应的重构图像均进行灰度化处理，所述灰度化处理的具体操作如式(4)所示：

X_gray＝X_r×0.299+X_g×0.587+X_b×0.114      (4)

式中：X_gray表示灰度化后的图像，X_r、X_g、X_b分别为待检测的彩色纹理织物图像或对应的重构图像对应的RGB三个不同通道下的像素值，灰度化后的图像像素值范围为0到255；

步骤4.3，将经步骤4.2得到的待检测的彩色纹理织物图像和对应的重构图像的灰度化图像分别采用3×3大小的高斯核进行滑窗卷积操作进行高斯滤波，得到滤波后的图像，具体操作如式(5)和式(6)所示：

X_grayGaussian＝X_gray*G(x,y)       (5)

式中，X_grayGaussian为待检测的彩色纹理织物图像的灰度化图像经过高斯滤波后的图像，X_gray为待检测的彩色纹理织物图像的灰度化图像，*为滑窗卷积操作，G(x,y)为高斯核函数；

式中，为重构图像的灰度化图像，为重构图像的灰度化图像经过高斯滤波后的图像；

其中，(x,y)为待检测的彩色纹理织物图像或重构图像的灰度化图像的像素坐标，σ_x、σ_y分别为待检测的彩色纹理织物图像或重构图像的灰度化图像x轴、y轴方向的像素标准差；

步骤4.4，计算待检测的彩色纹理织物图像的灰度化图像经过高斯滤波后的图像和重构图像的灰度化图像经过高斯滤波后的图像的残差图像，具体操作如式(7)所示：

式中，X_res为残差图像；

步骤4.5，将步骤4.4得到的残差图像采用自适应阈值的方法得到阈值，再进行二值化处理，具体操作如式(8)所示：

式中，p为二值化处理的图像的像素值，T为残差图像的自适应阈值，μ和σ分别为残差图像的均值和标准差，γ为标准差的系数，当残差图像中某一点的像素值小于计算的自适应阈值T时，像素值置为逻辑0，反之则置为逻辑1；

步骤4.6，将残差图像二值化后得到的二值图像进行闭运算处理得到最终的检测结果图像，其中闭运算处理的具体操作如式(9)所示：

式中，X_binary为残差图像二值化后得到的二值图像，E为3×3的闭运算结构元素，为图像膨胀操作，！为图像腐蚀操作，X_closing为最终的检测结果图像；

步骤4.7，通过最终的检测结果图像判断缺陷与否和定位缺陷，若最终的检测结果图像存在白色的区域，即可判定待检测的彩色纹理织物图像存在缺陷，同时缺陷区域为白色区域所在的位置。