[發明專利]一種基于多分形特征參數的織物瑕疵自動檢測方法

無效

• 申請號: 200810032249.5
• 申請日: 2008-01-03
• 公開（公告）號: CN101216435A
• 公開（公告）日: 2008-07-09
• 發明（設計）人: 步紅剛;汪軍;黃秀寶
• 申請（專利權）人: 東華大學
• 主分類號: G01N21/89
• 分類號: G01N21/89
• 代理公司: 上海泰能知識產權代理事務所
• 代理人: 黃志達;謝文凱

技術領域

本發明屬紡織產品質量自動檢測和控制領域，特別是涉及一種基于多分形特征參數的織物瑕疵自動檢測方法。

背景技術

當前，計算機視覺正被日益廣泛地應用于各種工業產品的生產控制和質量監測，以滿足當今社會對生產效率和產品質量越來越高的要求，織物瑕疵自動檢測就是應用計算機視覺的一個典型例子。目前，多數紡織廠仍采用人眼驗布方式，效率低下、檢測工作單調乏味、勞動強度大，這些都與工業化大規模生產極不協調。采用計算機視覺技術進行織疵檢測則可以避免上述問題。

織疵種類繁多、外觀各異，其中既有如缺經、破洞、斷頭、粗節等等局部畸變的種類，也有如稀密路、筘路、吊經、某些油污等等范圍較大的漸變的種類。其中漸變型織疵圖像的紋理或灰度值變化緩慢或微弱，再加上織物背景的多樣性，給計算機視覺檢測工作帶來了相當大的困難。本發明將對以稀密路為主的織疵進行檢測分析。

較之歐氏幾何，分形幾何在描述或生成具有自相似性的自然事物或類自然事物時能夠提供更好的方法，因而被廣泛用在模式識別、圖像的模擬和仿真等等諸多領域。自相似性是分形理論的中心概念之一，它與維數的概念密切相關。分形幾何描述的對象具有統計意義上的自相似，自相似性用分形維來表征(王耀南，2003)。分形維是用分形理論進行圖像分析時最常使用的特征參數之一。分形特征特別是分形維數能夠較好地刻畫紋理粗糙度和復雜度，因而在紋理分類、識別等實踐中作為度量特征是合理的。考慮到機織物是由經緯紗相互垂直交織而成，其圖像是一種典型的紋理圖像，因此可用分形特征來表征織物紋理，區分正常紋理圖像和瑕疵紋理圖像，進而實現織疵自動檢測。Conci等人(1998)采用差分計盒法提取了織物紋理的分形維及其標準差作為特征參數來檢測織物疵點。在其研究中，漏檢率為4％，但誤警率卻高達28％。Wen等人(2002)采用基于分形布朗運動的傅立葉頻域最大似然估計算子來估計織物圖像的分形參數---Hurst系數，以此作為特征參數，僅檢測了污斑、破洞、水滴3種疵點。

注意到Conci等人(1998)和Wen等人(2002)在其研究工作中都僅僅使用了單一的分形特征，織疵檢測效果并不理想。其原因在于，單一的分形特征尤其是分形維是從圖像的整體來揭示紋理的內在自相似性而忽視了圖像的局域信息，因此不同的紋理圖像其分形維可能會非常接近甚至完全相同。Parrinello?T.等人(2002)以一些紋理圖像為例對此進行了詳盡的探討，證實了單一分形維特征在紋理區分方面的局限性。

發明內容

本發明所要解決的技術問題是克服采用單一傳統分形特征進行織物瑕疵檢測的局限性，即單一分形特征在區分正常紋理與瑕疵紋理方面的局限性，提取多個有效而互補的分形特征組成特征向量，以此檢測織物瑕疵，取得更好的實際檢測結果。

本發明解決其技術問題所采用的技術方案總體包括兩大步驟：首先依據計盒法估算分形維的有關原理及其中存在的問題并結合織物紋理圖像固有的特點提取四個有效的分形特征組成特征向量，然后結合歐式距離檢測器對織物樣本進行檢測，判斷各個樣本是否為瑕疵樣本。

1、多分形特征參數的提取依據和具體方法

為了更好地闡述上述多分形特征參數的提取依據和步驟，首先需要簡單介紹一下如何估算圖像及時間序列的盒維數。

要計算灰度圖像F的盒維數，需要把該圖像想象成一個三維歐式空間中的曲面，x坐標和y坐標確定像素的位置，z坐標確定像素的灰度值。令N(δ)表示覆蓋圖像F所需的邊長為δ的最少立方體個數，則F的分形維D將由下式決定：

N(δ)·δ^D＝C

其中C為常數，兩邊同時取對數，有

logN(δ)＝-Dlog(δ)+log(C)

設圖像F的面積為A，δ×δ為F的一個子圖像，δ可變大小，令

n(δ)=int[maxI-minIδ]+1]]>