[发明专利]基于二维经验模态分解的双通道织物疵点检测方法

摘要

本发明涉及一种基于二维经验模态分解的双通道织物疵点检测方法，针对织物图像特征优化二维经验模态分解中各步骤方法与参数，使用优化后的分解方法得到包含织物纹理信息的IMF1和包含粗糙尺度灰度信息的IMF2+3；对IMF1使用优化的Laws纹理测量提取纹理能量，并进行二值化操作，得到纹理检测通道结果；对IMF2+3进行二值化操作，得到灰度检测通道结果；将纹理检测通道结果和灰度检测通道结果进行融合，得到织物疵点检测结果，结果中数值为255的像素代表无疵区域，数值为0的像素代表疵点区域。本发明解决了二维经验模态分解缺乏适用于织物图像分解的方案的问题，并在此基础上提供了符合人眼工作方式的双通道织物疵点检测方法。

主权项

1.基于二维经验模态分解的双通道织物疵点检测方法，其特征是包括以下步骤：(1)针对织物图像特征优化二维经验模态分解中各步骤方法与参数，使用优化后的二维经验模态分解对织物图像进行分解得到三个IMF和一个残差；其中IMF1包含织物纹理信息，IMF2与IMF3包含粗糙尺度灰度信息，残差包含光照不匀的效果；(2)对IMF1使用优化的Laws纹理测量提取纹理能量，对纹理能量进行二值化操作，得到纹理信息分割结果，将从IMF1得到纹理信息分割结果的处理流程称为纹理检测通道；对IMF2与IMF3进行融合处理后，对融合信号IMF2+3进行二值化操作，得到灰度信息分割结果，将从IMF2和IMF3得到灰度信息分割结果的处理流程称为灰度检测通道；(3)将纹理检测通道和灰度检测通道输出的二值化结果进行融合，得到织物疵点检测结果，结果中数值为255的像素代表无疵区域，结果中数值为0的像素代表疵点区域；二维经验模态分解优化具体实现如下：对二维经验模态分解四个主要环节，包括极值点寻找，边界处理，插值和停止准则进行优化：极值点寻找步骤的优化使用数学形态学测地膨胀算子极值点寻找方法替代8邻域极值寻找方法，保证寻找到极值点集包含严格极值点和非严格极值点；边界处理的优化为对极值点集按照节点密度以图像边界为轴向四个方向进行镜像延拓，并在插值完成后裁剪延拓区域；插值的优化首先使用三角化分段插值，然后对插值结果进行下采样，最后对下采样得到的节点集进行基于径向基函数的全局薄板样条插值，实现对三角化分段插值结果的平滑处理；停止准则的优化根据织物图像实验制定，以保证分解实际效果符合双通道检测方法要求；Laws纹理测量优化具体实现如下：对Laws纹理测量的三个主要环节，包括滤波模板、子窗口尺寸和特征值进行优化，优化方法为使用不同滤波模板、子窗口尺寸和特征值在多幅织物图像IMF1上进行纹理测量，将纹理能量的二值化结果与人工检测结果对比，确定效果最好的滤波模板、子窗口尺寸和特征值组合方案。