[发明专利]基于小波轮廓波变换与视觉显著性的经编织物疵点检测方法

摘要

本发明涉及一种基于小波轮廓波变换与视觉显著性的经编织物疵点检测方法，包括以下步骤：选择基波，构建小波变换滤波器；对待测经编织物图像进行小波分解，得到近似特征子图与细节特征子图；对近似特征子图之间和细节特征子图进行高斯差分得到近似特征差分子图和细节特征差分子图；对特征差分子图进行归一化处理后进行加相融合得到近似特征显著图和细节特征显著图；采用非下采样方向滤波器组对细节特征显著图进行卷积滤波，得到细节特征方向子带系数，并根据能量原理选择能量较高的子带系数进行重构细节特征显著图；对近似特征显著图和重构细节特征显著图进行分割，处理分割图后将各分割图像相加，再进行疵点判别。本发明能够提高疵点检测准确率。

主权项

1.一种基于小波轮廓波变换与视觉显著性的经编织物疵点检测方法，其特征是，包括以下步骤：步骤1、选择基波，构建小波变换滤波器；步骤2、对输入的待测经编织物图像进行三层小波分解，得到三种分辨率下的近似特征子图与细节特征子图；步骤3、根据视觉显著性原理，对三种分辨率下的近似特征子图之间和细节特征子图之间进行高斯差分得到近似特征差分子图和细节特征差分子图；步骤4、对特征差分子图进行归一化处理，然后对特征差分子图分别进行加相融合得到近似特征显著图和细节特征显著图；步骤5、采用非下采样方向滤波器组对细节特征显著图进行卷积滤波，得到细节特征方向子带系数，并根据能量原理，选择能量较高的子带系数进行重构细节特征显著图；步骤6、采用迭代阈值分割对近似特征显著图和重构细节特征显著图进行分割，使用形态学开运算处理分割图像，然后将处理后的各分割图像相加，最后进行疵点判别；所述步骤5按照以下步骤实施：步骤5.1、构建非下采样方向滤波器；步骤5.2、采用非下采样方向滤波器组对细节特征显著图进行卷积滤波，得到细节特征方向子带系数；步骤5.3、根据能量原理，选择合适的子带系数重构特征显著图；所述步骤5.3中，分别计算四方向细节特征显著子带系数的能量，能量计算的按照如下算法实施：其中，和分别代表了水平细节特征显著子带系数、垂直细节特征显著子带系数和对角细节特征显著子带系数；和分别表示了这三种细节子带系数的能量值；分别得到了四方向细节特征显著子带系数的和四个能量值，挑选其中两个能量值较大的子带系数以去除不必要的子带系数，作为步骤5所述的能量较高的子带系数，再通过方向滤波器组逆滤波的方法重新得到其细节特征显著图；所述步骤6按照以下步骤实施：步骤6.1、采用迭代阈值分割法对近似特征显著图与重构细节特征显著图进行疵点分割；步骤6.2、采用形态学开运算对分割图像进行处理；步骤6.3、将处理后的各分割图像相加，然后进行疵点判别；所述步骤1中基波采用二维离散小波，二维离散小波变化由尺度函数和小波函数进行表达；所述尺度函数为：所述小波函数为：其中，p表示小波分解的尺度水平，p＝0,1,2,…,P‑1，P为小波分解的层数；m和n代表了函数分别在x轴与y轴上的平移，m＝n＝0,1,2,…,2^p‑1；2^9/2表示函数在尺度上的放大、缩小；所述尺度函数用于得到小波分解到的近似特征子图，小波函数用于得到细节特征子图，分别为水平细节特征子图、垂直细节特征子图和对角细节特征子图；所述步骤2将步骤1中构建的尺度函数与小波函数用于对待测经编织物图像进行分解，该分解过程得到不同尺度下的近似特征子图与细节特征子图，分解方法如下：其中，H代表水平水平细节特征图，V代表垂直细节特征图，D代表对角细节特征图，i代表H、V、D中的一种；I(x，y)表示为一幅M×N的待测经编织物的灰度图；p₀表示为设定的开始尺度，定义了待测经编织物灰度图像与尺度函数于尺度p₀上的卷积过程，卷积过程得到处于尺度p₀的近似特征子图；定义了待测经编织物灰度图像与小波函数于各尺度的卷积过程，将获得处于不同尺度的细节特征子图，即水平细节特征子图、垂直细节特征子图与对角细节特征子图；所述步骤3包括以下步骤：步骤1所得的近似特征子图和细节特征子图内插值到分辨率最高的子图，统一分辨率大小；对近似特征子图之间与细节特征子图之间分别进行高斯差分得到各自的特征差分子图；所述高斯差分具体采用如下算法实施：其中，和分别为两组高斯尺度空间坐标；所述步骤4中归一化处理具体按照如下公式操作：其中，f(x，y)代表某一特征差分子图的灰度值，fmax表示在该特征差分子图中最大的灰度数值；所述加相融合是指对所得的归一化后的近似特征差分子图和细节特征差分子图进行相加并均值，具体实施如下：其中，fA(x，y)、fH(x，y)、fV(x，y)和fD(x，y)分别代表了加相融合后的近似特征显著图、水平细节特征显著图、垂直细节特征显著图和对角细节特征显著图；n取3，即每组共有3种特征差分子图。