[發明專利]一種基于奇異值分解的圖像分析方法及應用于織物瑕疵檢測的方法

有效

• 申請號: 201210283081.1
• 申請日: 2012-08-09
• 公開（公告）號: CN102867299A
• 公開（公告）日: 2013-01-09
• 發明（設計）人: 汪軍;張孝南;周建;李冠志;龐明軍;張奇;陳霞;李立輕
• 申請（專利權）人: 東華大學;紹興中紡院江南分院有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 上海天翔知識產權代理有限公司 31224
• 代理人: 呂伴

技術領域

本發明屬圖像分析處理領域，應用于紡織品表面質量自動檢測與控制領域，本發明涉及一種基于奇異值分解的圖像分析方法及應用于織物瑕疵檢測的方法。

背景技術

奇異值分解(SVD)作為一種強大的矩陣分解工具，由于其出色的性質，被廣泛應用于數值分析、信號處理和模式識別等領域。設M為m×n的矩陣，則對M的奇異值分解公式為：

M=UDV^T

其中，U為m×m的正交矩陣，V^T為n×n的正交矩陣，D為m×n的對角矩陣，其對角線上的元素稱為M的奇異值，非負且按降序排列。在圖像分析領域，奇異值分解主要用于圖像的壓縮、重構和恢復等。

在織物瑕疵進行檢測領域，Tomczak和Mosorov（2006）將織物圖像劃分成不重疊的子窗口，并對每個子窗口實施SVD，提取最大的奇異值作為特征，然后對所提取的特征進行模糊C均值聚類（FCM）后進行瑕疵判別。Chen和Feng（2010）將織物圖像劃分成不重疊的子窗口，并對每個子窗口實施SVD，提取奇異值均值作為特征進行瑕疵判別。Mak和（2010）首先將無瑕疵的織物圖像劃分成不重疊的子窗口，將所有子窗口中的灰度值展開成為列向量組成樣本矩陣；然后對該樣本矩陣實施SVD，并提取左奇異矩陣每列作為特征子圖像；最后通過將待檢測圖像樣本投影到特征子圖像，計算所得的投影值的平方和作為瑕疵判別指標。

值得注意的是，Tomczak和Mosorov（2006）和Chen和Feng（2010）都是通過提取子窗口的奇異值作為特征向量對瑕疵進行判別。由于對一個矩陣分解后所得的奇異值實質是對矩陣重構后誤差的量度，并不能真實地反映瑕疵特征，僅對部分瑕疵類型有效。Mak和（2010）所用的投影值可以看作為相應特征圖像的權重系數，其值反映是與相應特征圖像的相關度，該指標對織物紋理適應性較差，尤其對于隨機性較大的平紋織物紋理。

發明內容

本發明的目的就是為了克服現有檢測方法不足，提出了一種基于奇異值分解的圖像分析方法及應用于織物瑕疵檢測方法。本發明首先將圖像樣本實施奇異值分解，得到相應的奇異向量與奇異值；然后選取最優個數的奇異值對所述圖像樣本進行重構，得到重構圖像，并將重構圖像與圖像樣本作差并取絕對值，得到兩者的殘差圖像；最后對殘差圖像實施二值化操作，得到一個只包含兩種數值的特征圖像。為了能適應不同形貌瑕疵，本發明同時對經一定角度旋轉后的圖像樣本進行上述的分析。雖然，對旋轉后圖像進行分析時，圖像會因截取操作而裁剪掉少量的邊緣區域，但是由于旋轉角度很小，損失的區域對總體分析影響非常小，可忽略不計。

本發明的一種基于奇異值分解的圖像分析方法，包括以下步驟：

（1）首先將圖像樣本實施奇異值分解，得到相應的奇異向量與奇異值；然后選取最優個數的奇異值對所述圖像樣本進行重構，得到重構圖像，并將重構圖像與圖像樣本作差并取絕對值，得到兩者的殘差圖像；最后對殘差圖像實施二值化操作，得到一個只包含兩種數值的特征圖像；

（2）將所述圖像樣本旋轉一定角度，并對旋轉后圖像樣本的最大內接矩形區域按照步驟（1）再次進行分析，得到另一個只包含兩種數值的特征圖像；

（3）將上述所得的兩張特征圖像疊加，得到最終的圖像特征；

如上所述的對圖像樣本進行重構具體實現如下：

將所述的圖像樣本記為A，大小為m×n，對A進行奇異值分解，即A=UDV^T，記D中對角線上p個奇異值為d₁,d₂,…,d_p，且滿足d₁>d₂>…>d_p，p等于m和n的最小值；將D中除前m個奇異值以外的奇異值設為0，2≤m≤p，并記所得的對角矩陣為D_m，則對A進行重構的公式為A_m=UD_mV^T，其中A_m稱為使用前m個奇異值對A的重構圖像；

如上所述的選取最優個數的奇異值具體實現如下：