[发明专利]织物瑕疵检测与分类方法

摘要

本发明公开了一种织物瑕疵检测与分类方法，主要解决布匹瑕疵自动化检测与分类问题。该方法首先对织物瑕疵图片检测，用Gabor滤波器组对其滤波，从中挑选出一个最优滤波结果，利用参考图片对其二值化，从而定位出瑕疵在图像中的位置；接着根据瑕疵的位置，提取由Gabor特征和局部二进制模型特征构成的复合特征；再对这个复合特征用主成分分析和广义判别分析算法进行预处理；再用经过预处理后的瑕疵特征训练神经网络分类器；最后用训练好的分类器对织物瑕疵特征实现准确分类。本发明具有对瑕疵定位准确和分类准确率高的优点，可用于对纺织厂布匹瑕疵的检测与分类。

主权项

1.一种织物瑕疵自动检测与分类方法，包括如下步骤：(1)获取分辨率为256*256，位深度为8位的织物灰度图像；(2)对织物灰度图像的像素灰度值归一化，使一幅图像中的所有像素值具有零均值并且标准差为1；(3)用Gabor滤波器组确定织物灰度图像中的瑕疵位置；(4)根据瑕疵的位置提取瑕疵的特征，并利用主成分分析算法和广义判别分析算法对瑕疵的特征向量依次进行降维、去相关性和最大化不同类特征间距离的预处理；(5)利用预处理后的瑕疵特征对神经网络分类器进行训练；(6)重复步骤2-4确定出所有瑕疵的位置，用训练后的分类器对这些瑕疵进行分类识别，确定瑕疵的类别。2、根据权利要求1所述的织物瑕疵检测与识别方法，其特征在于步骤(3)所述的用Gabor滤波器组确定织物灰度图像中的瑕疵位置，按如下步骤进行：(2a)根据二维Gabor函数进行尺度变换和方向旋转，得到一组具有4尺度和6个方向的Gabor滤波器，用每个Gabor滤波器对归一化后的织物灰度图像滤波，其中x，y分别为滤波器的横纵坐标，σ是滤波器的尺度，σ＝1，2，4，8，f是滤波器的中心频率，(2b)将滤波后的图片分割成K个互不重叠，且大小相同的正方形子区域，计算每个子区域中滤波输出幅度值的均值，用该均值计算每个滤波结果对应的损失函数将产生最大损失函数值的Gabor滤波器定为最优滤波器，并用一个高斯滤波器对该最优滤波结果除噪，其中和分别为子图的最小均值和最大均值；(2c)选定一个正常图像作为参考图像，并用最优滤波器和高斯滤波器对该参考图像进行滤波，获得所有像素的最小值和最大值，分别作为下阈值和上阈值。(2d)将从最优滤波器输出的瑕疵图像滤波结果的每个像素点与上下两个阈值作比较，将介于上阈值和下阈值之间的像素确定为瑕疵区域，其余确定为正常纹理区域，由此得到一幅标记瑕疵位置的二值图。