[发明专利]一种基于多特征矩阵低秩分解的织物疵点检测方法

摘要

本发明公开了一种基于多特征矩阵低秩分解的织物疵点检测方法，包括图像分块及多通道特征矩阵提取、联合低秩分解、显著图生成及分割；将织物图像划分为大小相同的图像块，计算每个图像块的二阶梯度方向图，采用视网膜P型神经节细胞的编码方式提取图像特征，生成特征矩阵；针对特征矩阵构建有效的低秩分解模型，通过方向交替乘子方法进行优化求解，生成低秩矩阵和稀疏矩阵；采用阈值分割算法对由稀疏矩阵生成的显著图进行分割，定位出疵点位置。本发明综合考虑了织物纹理特征的复杂性和疵点种类的多样性，提取能有效表征织物纹理特性的二阶特征，采用联合低秩分解模型有效地实现疵点与背景的快速分离，具有较高的检测精度。

主权项

一种基于多特征矩阵低秩分解的织物疵点检测方法，其特征在于，其步骤如下：步骤一：将原始织物图像均匀分成大小相同、互不重叠的图像块；步骤二：计算每个图像块的多通道二阶梯度方向图，基于P型神经节细胞的编码方式，提取图像块的多个通道二阶梯度特征，将所有图像块多通道特征组成多特征矩阵，实现多通道二阶梯度特征矩阵的提取；步骤三：对多个特征矩阵建立低秩分解模型，得到MTSP模型；步骤四：通过方向交替乘子方法对MTSP模型进行求解，得到每个图像块的稀疏矩阵；步骤五：通过稀疏矩阵求每个图像块的显著度，所有图像块显著度组合得到显著图，采用阈值分割算法对显著图进行分割定位疵点区域。