[发明专利]基于自适应正交小波变换的布匹疵点检测方法及装置

摘要

本发明公开了基于自适应正交小波变换的布匹疵点检测方法及装置，取代人工目测和原来的先由人工进行小波基的选择，然后进行基于小波变换的疵点自动检测方法，克服了传统人工目测检测速度慢、效率低、误检、漏检率高等缺陷以及原来的基于小波变换的疵点检测方法中由于未对小波基进行优化所引起的检测精度不高的问题。采用基于改进的量子旋转门量子遗传算法选择与布匹纹理匹配的最优小波基，采用动态策略调整量子旋转角，实现精细的自适应搜索，引入变异操作丰富种群，并且融入混沌搜索使算法具有更好的寻优能力。本发明的疵点检测方法速度快、准确度高、操作简单、效率高，具有良好的应用前景。

主权项

基于自适应正交小波变换的布匹疵点检测方法，其特征在于，包括如下步骤：步骤1：获取无疵点的布匹图像并作为标准布匹图像输入计算机；步骤2：采用改进的量子旋转门量子遗传算法得到与标准布匹图像纹理相匹配的最优小波基；步骤3：提取标准布匹图像的特征参数，所述特征参数包括布匹分块图像的熵值数组和方差数组；步骤4：设定检测特征参数的误差范围；步骤5：实时拍摄卷布验布机上的待测布匹图像；步骤6：提取步骤5所述待测布匹图像的特征参数，所述特征参数包括布匹分块图像的熵值数组和方差数组；步骤7：将待测布匹图像的特征参数与标准布匹图像的特征参数依次对比分析，若待测布匹图像所提取的熵值数组和方差数组均在标准布匹图像的熵值误差范围σ_ei和方差的误差范围σ_vi内，则判断布匹合格，转到步骤5继续检测，否则，判断布匹不合格；所述步骤2具体包括以下步骤：步骤2a：根据式(1)、(2)、(3)构造自适应小波基库，将构造的小波基库作为群体规模：$\underset{k}{\Σ}h\left(k\right)\stackrel{\‾}{h(k-2l)}={\mathrm{\δ}}_{0,J}---\left(1\right)$$\underset{k}{\Σ}h\left(k\right)=\sqrt{2}---\left(2\right)$$\underset{k}{\Σ}h\left(2k\right)=\underset{k}{\Σ}h(2k+1)=1/\sqrt{2}---\left(3\right)$式中：k＝0,1,...N‑1，式中，N为滤波器长度；l＝0,1,2,3；δ_0,J为正交单位矩阵；h(k)为小波基系数；步骤2b：从小波基库中选择一个小波基固定为经向低通滤波器系数，对纬向低通滤波器系数进行寻优，具体步骤为：(2b01)设置种群规模popsize，运行总代数gen，运行代数g＝1,变异概率p_m；(2b02)种群初始化：随机产生M个染色体，并将各个个体的量子概率幅初始化为(2b03)种群测量：对每个个体进行一次坍塌测量，使每个个体从不确定的概率状态转换为确定状态；(2b04)计算个体适应度：把每个个体对应的小波基作为纬向低通滤波器系数，采用所选纬向、经向的低通滤波器系数及其分别对应的高通滤波器系数对标准布匹纹理图像进行小波分解，得到纬向和经向子图像，并计算纬向子图像的适应度值：其中：高通滤波器系数由以下公式求得：g(N‑1‑k)＝(‑1)^k+1h(k)                              (4)纬向子图像的适应度值由以下公式求得：$E_h=min\left(max\right(\left|\underset{(x,y)\∈f}{H_L}\left(x,y\right)\right|\left)\right)---\left(5\right)$其中：E_h表示纬向子图像最小能量；H_L(x,y)为经过小波分解后的纬向子图像的像素值，f代表图像像素坐标的集合；(2b05)对步骤(2b04)所得最优个体进行混沌搜索，如果所得个体适应度值小于原最优适应度值，则更新最优个体和对应的适应度值；(2b06)令g＝g+1，如果g＞gen，则转步骤(2b10)；(2b07)种群更新：利用量子旋转门对个体实施调整，得到新的种群；(2b08)种群变异：根据变异概率对种群个体进行变异操作；(2b09)返回步骤(2b03)；(2b10)输出纬向最优小波基作为纬向最优低通滤波器系数，以及该低通滤波器系数对应的最优高通滤波器系数；步骤2c：从小波基库中选择一个小波基固定为纬向低通滤波器系数，对经向低通滤波器系数进行寻优，具体步骤为：(2c01)设置种群规模popsize，运行总代数gen，运行代数g＝1,变异概率p_m；(2c02)种群初始化：随机产生M个染色体，并将各个个体的量子概率幅初始化为(2c03)种群测量：对每个个体进行一次坍塌测量，使每个个体从不确定的概率状态转换为确定状态；(2c04)计算个体适应度，把每个个体对应的小波基作为经向低通滤波器系数，采用所选纬向、经向的低通滤波器系数及其分别对应的高通滤波器系数对标准布匹纹理图像进行小波分解，得到纬向和经向子图像，并计算经向子图像的适应度值：其中：高通滤波器系数由公式(4)求得，经向子图像的适应度值由以下公式求得：$E_v=min\left(max\right(\left|\underset{(x,y)\∈f}{L_H}\left(x,y\right)\right|\left)\right)---\left(6\right)$式中：E_v表示经向子图像最小能量；L_H(x,y)为经过小波分解后的经向子图像的像素值，f代表图像像素坐标的集合；(2c05)对步骤(2c04)所得最优个体进行混沌搜索，如果所得个体适应度值小于原最优适应度值，则更新最优个体和对应的适应度值；(2c06)令g＝g+1，如果g＞gen，则转步骤(2c10)；(2c07)种群更新：利用量子旋转门对个体实施调整，得到新的种群；(2c08)种群变异：根据变异概率对种群个体进行变异操作；(2c09)返回步骤(2c03)；(2c10)输出经向最优小波基作为经向最优低通滤波器系数，以及该低通滤波器系数对应的最优高通滤波器系数；步骤2d:分别保存纬向最优低通滤波器系数、与其对应的高通滤波器系数和经向最优低通滤波器系数、与其对应的高通滤波器系数。