[发明专利]基于深度特征和NTV-RPCA的织物疵点检测方法

摘要

本发明提出一种基于深度特征和NTV‑RPCA的织物疵点检测方法，其步骤为：首先，采用深度网络VGG16对织物图像进行特征提取，得到织物图像的多层次深度特征图，并对多层次深度特征图进行均匀重叠分块；然后，构造NTV‑RPCA模型，并采用ADMM算法交替迭代搜索每一层次的特征矩阵对应的最优的稀疏矩阵；再根据最优的稀疏矩阵生成多个显著图，并利用低秩分解模型融合多个显著图获得最终显著图；最后，通过自适应阈值分割算法对最终显著图进行分割，定位出疵点位置。本发明采用深度网络和NTV‑RPCA模型相结合，有效地表征织物图像的复杂纹理特征和消除图像中的噪声影响，使得检测结果具有更高的自适应性和检测精度。

主权项

1.一种基于深度特征和NTV‑RPCA的织物疵点检测方法，其特征在于，其步骤如下：步骤一：特征提取：将织物图像输入深度网络VGG16中，利用深度网络VGG16中的各个卷积层分别提取织物图像对应的多层次深度特征，根据每一层次深度特征建立织物图像对应的深度特征图；步骤二：图像分块：对每一层次的深度特征图进行均匀重叠分块，并分别计算每一层次的深度特征图对应的特征矩阵；步骤三：模型构建及求解：根据非凸全变差正则项和低秩分解模型构建NTV‑RPCA模型，并采用ADMM算法对包含特征矩阵的NTV‑RPCA模型进行交替迭代搜索获得最优的稀疏矩阵；步骤四：显著图生成及融合：根据步骤三中求得的稀疏矩阵生成多个显著图，再采用低秩分解模型对多个显著图进行融合，获得织物图像的最终显著图；步骤五：阈值分割：采用自适应阈值分割方法对最终显著图进行阈值分割，定位出织物图像的疵点位置。