[發明專利]基于模式識別和圖像處理的紡織品瑕疵自動檢測及分類方法

有效

• 申請號: 201210330347.3
• 申請日: 2012-09-07
• 公開（公告）號: CN102879401A
• 公開（公告）日: 2013-01-16
• 發明（設計）人: 景軍鋒;李鵬飛;李航;張緩緩;焦陽;李江南
• 申請（專利權）人: 西安工程大學
• 主分類號: G01N21/88
• 分類號: G01N21/88;G01N21/89;G06K9/62;G06K9/54
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 羅笛

技術領域

本發明屬于紡織品檢測與分類技術領域，涉及一種紡織紡織品瑕疵檢測分類系統，具體涉及一種基于模式識別和圖像處理的紡織品瑕疵自動檢測及分類方法。

背景技術

紡織品作為人們日常生活中的不可缺少的物品，其質量好壞直接影響到人們的生活質量。而人們對于高生活質量的追求使得傳統意義上紡織品的實用性、耐用性已經無法滿足人們的要求，而時尚性、美觀性更加受到人們的關注和追捧。為滿足人們對于紡織品外觀美觀性的要求，防止紡織品中的瑕疵是關鍵，特別是對于有圖案的紡織品，其瑕疵的存在會嚴重影響紡織品的美觀性。通過對紡織品瑕疵的檢測，能及時發現紡織品中存在的瑕疵并采取相應措施，從而有效減少紡織品的瑕疵數量，提高紡織的品質。為了提高紡織品瑕疵檢測的效率，紡織品瑕疵檢測的方法受到越來越多的關注和研究，由此自動化檢驗系統應運而生。傳統的紡織品瑕疵檢測方法存在檢測速度低、準確性差、人工檢測勞動強度大的缺點。

發明內容

本發明的目的在于提供一種基于模式識別和圖像處理的紡織品瑕疵自動檢測及分類方法，該方法能夠將布匹上的瑕疵進行檢測并分類，具有檢測速度快、分類明確、人工勞動強度低的優點。

本發明所采用的技術方案是，基于模式識別和圖像處理的紡織品瑕疵自動檢測及分類方法，具體按照以下步驟實施：

步驟1、構建基于計算機視覺的紡織品在線檢測系統的硬件平臺：

基于計算機視覺的紡織品在線檢測系統的硬件平臺，包括有通過導線依次連接的計算機，雙路線陣CCD攝像頭以及相配套的圖像采集卡；

雙路線陣CCD攝像頭與圖像采集卡之間采用Base模式下的Camera?Link串行通信方式進行數據的高速傳輸，CCD攝像頭采集的模擬信號經過圖像采集卡轉換成數字信號后傳送給計算機進行處理；

步驟2、利用圖像采集卡采集數據：

用步驟1中構建的硬件平臺中內的圖像采集卡采集分辨率為2048×2048大小的RGB彩色織物圖像；

步驟3、對采集到的彩色織物圖像進行預處理：

將步驟2中圖像采集卡所采集到的彩色織物圖像進行灰度轉化和直方圖均衡的預處理；

步驟4、建立方法庫，利用方法庫檢測布匹圖像存在瑕疵并對圖像瑕疵進行分割：

將Gabor濾波器組，Gauss平滑背景分析法和多尺度小波分析三種檢測方法級聯形成一個檢測系統，即方法庫；

將步驟3預處理的彩色織物圖像送入方法庫，方法庫中任何一種方法能夠檢測出來疵點，都認為被檢測的布匹圖像存在瑕疵；

再利用模型閾值選取和自動最優閾值分割的方法對布匹圖像疵點進行分割；

步驟5、對布匹上的瑕疵區進行查找和定位：

用數學上的“四叉樹”邏輯對經步驟4檢測出的布匹圖像上的瑕疵區域進行邊緣查找和定位分析；

步驟6、采集布匹瑕疵圖像上的特征值；

1）采用“共生灰度矩”從步驟5查找和定位的瑕疵圖像中提取特征值，在每個含有瑕疵的子區域分四個方向提取特征值，這四個方向分別為：0度、45度、90度、135度，每個方向取四個特征值，一共采集十六個特征值；

2）利用基于人類視覺感知特征的“Tamura紋理的特征”提取方法對瑕疵圖像進行特征值的采集，采集六個特征值：這六個特征值即為粗糙度、對比度、線性度、規整度、粗略度和方向度；連同1）中的16個特征值共22個特征值；

步驟7、對采集到的所有特征值進行處理：

利用主成分分析即PCA分析，對步驟6中所采集到的22個特征值進行降維處理；

步驟8，對布匹進上的瑕疵進行分類；

使用“量化共軛BP神經網絡算法”對經步驟7降維處理后的數據進行分類，即對瑕疵進行分類。

本發明的特點還在于，

步驟4具體按照以下步驟實施：

Gabor濾波器組濾波：

根據Gabor濾波的原理，如公式（1）所示，對經步驟3預處理的圖像進行濾波處理：

X(x,y,ξ，η,θ)＝(x-ξ)cos(θ)-(y-η)sin(θ)，

Y(x,y,ξ，η,θ)＝(x-ξ)sin(θ)-(y-η)cos(θ)，

其中，σ是函數的包絡值，σ和中心頻率f之間具有如下的線性關系σ＝1/(αf)，α是中心頻率與帶寬之間的比例；ξ，η是在x軸，y軸上的空間平移量；λ是正弦波的波長；γ高斯函數的縱橫比；是偏移度；θ是復數調制部分函數的輻角；