[发明专利]基于峰值覆盖值和混合特征的纺织品瑕疵检测方法

摘要

本发明提供一种基于峰值覆盖值和混合特征的纺织品瑕疵检测方法，该方法分析基于照明光源下平坦纺织品表面的数字图像像素灰度信息，将图像分割为互不重叠的网格，计算每个网格的IRM，HOG，GLCM和Gabor特征值，根据特征值分布自动定位纺织品表面瑕疵。本发明特别适用于自动识别在稳定照明光源下采集的纺织品平坦表面灰度数字图像中的纺织品表面瑕疵。

主权项

1.一种基于峰值覆盖值和混合特征的纺织品瑕疵检测方法，其特征在于：包括训练阶段和测试阶段两个阶段；训练阶段，根据一系列无瑕疵纺织品灰度图像，以下简称无瑕图像，计算图格分割所需参数，而后对无瑕图像进行图格分割并计算测试阶段瑕疵识别所需参数；测试阶段，根据训练阶段得到的参数对一副纺织品图像进行图格分割并判断图格是否包含瑕疵，最后标记含有瑕疵的图格；所述训练阶段包括以下步骤：步骤1：根据一系列无瑕图像计算图格分割所需参数，以确定图格理想尺寸；步骤2：根据步骤1中获得的图格理想尺寸，对训练样本集进行图格分割，获得训练样本图格；步骤3：采用特征提取方法计算步骤2中图格分割生成的训练样本图格的特征向量，从而计算出训练样本集中无瑕图像的图格周期、图格各特征的理想统计值以及理想统计值阈值；所述测试阶段包括以下步骤：步骤4：测试样本图格分割，对一副给定的测试样本，按照步骤2的方法对测试样本进行图格分割，获得测试样本图格；步骤5：按照步骤3的方法计算测试样本的特征向量、图格周期、图格各特征的理想统计值以及理想统计值阈值，并将计算结果与理想统计值阈值进行比较，以识别有瑕疵的图格；步骤1具体包括以下步骤：步骤1.1：背景像素投影，根据RTV模型计算纺织品灰度图像I的卡通成分，应用Bradley方法二值化卡通成分，通过形态学腐蚀和膨胀操作对二值化卡通成分降噪，应用Moore‑Neighbor跟踪算法得到二值化I_c中的二值对象，计算二值化卡通成分中二值对象面积，删除面积不在区间((1‑α)·m_a,(1+α)·m_a)内的二值对象得到二值化纺织品图像I_tc，其中，m_a为二值对象面积中位值，且0<α<1；计算I_tc中每行每列背景像素数，按行索引升序排列每行背景像素数得到背景像素行投影按列索引升序排列每列背景像素数得到背景像素行投影步骤1.2：计算峰值覆盖值，计算纺织品灰度图像I的背景像素行投影的峰值，将峰值按其在背景像素行投影中的索引升序排列得到峰值序列对于p_r中第个峰值根据下式计算的覆盖值与背景像素行投影的覆盖值计算方法相同，将上式中下角标r的项替换为具有下角标c的对应项即可，计算的峰值序列计算其中1≤i_pc；计算p_r中峰值覆盖值的有序集合中元素按大小降序排列；对于中的第l个元素峰值序列中满足的有序集合称为第l级峰值第l级峰值中的元素按其在中的索引升序排列；对于第l级峰值，计算每个峰值与其前一峰值在中的索引之差绝对值，计算这些绝对值的中位值及其出现次数组成集合组成集合中元素取值组成集合类似地，根据和p_c计算满足的有序集合“第l′级峰值”计算第l′级峰值中前后元素在中的索引之差绝对值及其中位值和中位值出现次数组成多重集组成多重集中元素取值组成集合步骤1.3：计算图格理想尺寸，对训练样本集的I₁,I₂…I_N中的第i个训练样本I_i，根据步骤1.2计算I_i的p_r，p_c，和计算取值集合I_i的理想行数由下式定义：其中，δ为狄拉克δ函数，I_i的理想列数计算与类似，即将上式中具有下角标r的项替换为具有下角标c的对应项即可，替换为图格理想尺寸定义为的中位值和的中位值