[发明专利]基于单分类支持向量机的织物疵点检测方法

摘要

本发明公开了一种基于单分类支持向量机的织物疵点检测方法。获取无疵点织物图像，采用RDPSO算法优化Gabor滤波器的参数，构造最适应无疵点织物图像纹理特征的单个最优Gabor滤波器；采用RDPSO算法优化单分类SVM的参数；对待检测的织物图像进行Gabor卷积滤波；基于GLCM在滤波后图像上提取一组纹理特征；采用单分类SVM进行疵点判别。本发明采用单个最优Gabor滤波器，能有效提高检测速度，保证系统实时性要求；采用单分类SVM作为疵点判别方法，能避免传统的统计模式识别方法局部极值、过学习与欠学习等问题，能有效提升系统的泛化能力，保证系统的检测准确率要求。

主权项

1.基于单分类支持向量机的织物疵点检测方法，其特征在于：其步骤为：(1)获取无疵点织物图像，采用随机漂移粒子群优化(RDPSO)算法优化Gabor滤波器的参数，构造最适应无疵点织物图像纹理特征的单个最优Gabor滤波器；(2)采用RDPSO算法优化单分类支持向量机(SVM)的参数；(3)对待检测的织物图像进行Gabor卷积滤波；(4)基于灰度共生矩阵(GLCM)在滤波后图像上提取一组纹理特征；(5)采用单分类SVM进行疵点判别；所述步骤(1)包括以下步骤：(1.1)构造二维空间域Gabor滤波函数，经二维傅里叶变换得到频率域Gabor滤波函数，需要优化的Gabor滤波器的参数为(σ_x，σ_y，λ，θ)；其中，σ_x和σ_y分别为高斯窗口在时域x轴与y轴上的标准差；λ为波长，θ为旋转角度；(1.2)对无疵点织物图像进行Gabor卷积变换，基于Fisher准则构造适应度函数，采用RDPSO算法优化得到最优Gabor滤波器的参数(σ_x，σ_y，λ，θ)，构造最适应无疵点织物图像纹理特征的单个最优Gabor滤波器；所述步骤(2)包括以下步骤：(2.1)将无疵点的织物图像与最优的Gabor滤波器进行卷积，得到滤波后图像；(2.2)基于GLCM在滤波后图像上提取纹理特征，构成特征向量，作为单分类SVM的训练样本；(2.3)采用基于超球体思想的支持向量数据描述(SVDD)作为单分类SVM方法，通过RDPSO算法优化确定SVDD的两个参数C和σ；其中，C为惩罚参数，σ为高斯尺度参数。