[發明專利]一種基于圖像投影和奇異值分解的織物瑕疵檢測方法

有效

• 申請號: 201310401043.6
• 申請日: 2013-09-05
• 公開（公告）號: CN103489182A
• 公開（公告）日: 2014-01-01
• 發明（設計）人: 周建;汪軍;王鋼;李立輕;陳霞;萬賢福;李冠志
• 申請（專利權）人: 東華大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/66
• 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，本發明涉及一種基于圖像投影和奇異值分解的織物瑕疵檢測方法，應用于紡織品表面質量自動檢測與控制領域。

背景技術

設矩陣A是m×n的矩陣，奇異值分解(SVD)可以把矩陣A分解成U，Σ和V三個矩陣。其中矩陣U是m×n的正交矩陣，矩陣V是n×n的正交矩陣，矩陣Σ是m×n的矩陣，其對角線以外的元素全部為零，即矩陣Σ=diag(σ₁，σ₂，…，σ_r)為對角矩陣，r為矩陣A的秩，σ₁，σ₂，…，σ_r為A矩陣的奇異值。矩陣U和V分別稱為左奇異矩陣和右奇異矩陣，矩陣Σ的對角線上的元素依次呈遞減順序，即：σ₁≥σ₂≥…≥σ_r≥0。

將矩陣Σ的對角元素設定為σ_k+1=σ_k+2=…=σ_r=0，得到矩陣A在秩k(k<r)下的重構其重構誤差使用Frobenius范數可表述為：

||A-A^||F2=Σi=k+1rσi2]]>

由上式可以看出，通過奇異值分解得到的是A矩陣的最優低秩下的重構。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。

在織物瑕疵檢測領域，Tomczak和Mosorov（2006）采用經SVD分解后所得的最大的奇異值進行織物瑕疵檢測。Chen和Feng（2010）提取了奇異值均值作為特征進行瑕疵判別。Mak和（2010）對織物樣本實施SVD，提取左奇異矩陣每列作為特征子圖像，并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，以上研究者均是直接在原織物圖像上進行SVD，然后提取相應特征進行瑕疵檢測，并沒有對原圖像進行投影操作且并未充分利用SVD的低秩重構性質。

發明內容

本發明的目的就是克服現有算法的不足，提高算法的對不同紋理和瑕疵適應性和實時性，提出一種基于圖像投影和奇異值分解的織物瑕疵檢測方法。

本發明的一種基于圖像投影和奇異值分解的織物瑕疵檢測方法包括以下步驟：

（1）訓練階段；

將無瑕疵織物圖像樣本有重疊地劃分成正方形子窗口，并將子窗口分別沿縱橫方向投影，得到聯合投影序列；然后將所得的聯合投影序列組成一個矩陣，并對該矩陣實施奇異值分解，提取基向量；

（2）檢測階段；

將待檢測織物圖像樣本連續無重疊地分割劃分成正方形子窗口，并將子窗口沿縱橫方向的投影，得到聯合投影序列y；應用（1）中所得的基向量的對y進行重構，得到y的重構計算重構誤差并通過重構誤差來判定子窗口是否包含瑕疵；

具體實現如下：

在訓練階段，將所述的無瑕疵織物圖像樣本有重疊地劃分成大小為w×w的正方形子窗口，其中8像素≤w≤64像素；所述有重疊地劃分是指在同一行中，后一個子窗口是前一個子窗口橫向平移步長s得到，相鄰子窗口之間有重疊部分，所述重疊部分的橫向長度為w-s，在相鄰行中，下一行的子窗口是上一行的子窗口縱向平移步長s得到，相鄰子窗口之間有重疊部分，所述重疊部分的縱向長度為w-s，其中1≤s<w；

將子窗口分別沿縱橫方向投影，即計算子窗口中每列和每行的所有像素點灰度值的平均值，得到兩個投影序列；然后將所得的兩個投影序列相接后得到聯合投影序列；