[發(fā)明專利]一種基于視覺任務(wù)驅(qū)動的織物疵點(diǎn)檢測方法

有效

• 申請?zhí)枺?/td>: 201410270615.6
• 申請日: 2014-06-17
• 公開（公告）號: CN104034732A
• 公開（公告）日: 2014-09-10
• 發(fā)明（設(shè)計）人: 管聲啟;王燕妮;趙霆
• 申請（專利權(quán)）人: 西安工程大學(xué)
• 主分類號: G01N21/88
• 分類號: G01N21/88
• 代理公司: 西安弘理專利事務(wù)所 61214
• 代理人: 羅笛

技術(shù)領(lǐng)域

本發(fā)明屬于織物疵點(diǎn)檢測方法技術(shù)領(lǐng)域，具體涉及一種基于視覺任務(wù)驅(qū)動的織物疵點(diǎn)檢測方法。

背景技術(shù)

織物疵點(diǎn)檢測是紡織品檢測的關(guān)鍵環(huán)節(jié)之一。然而，織物疵點(diǎn)檢測主要依賴人工視覺，由檢驗(yàn)人員在驗(yàn)布機(jī)上完成。而這種檢驗(yàn)方法存在注意力難以長時間集中，很容易造成誤檢和漏檢等缺陷。隨著計算機(jī)、圖像處理技術(shù)的發(fā)展，作為織物疵點(diǎn)檢測關(guān)鍵技術(shù)的圖像處理算法必然成為研究的熱點(diǎn)。

目前，織物疵點(diǎn)檢測方法很多，灰度共生矩陣法是通過提取織物圖像的特征值，然后用Bayes分類法對疵點(diǎn)進(jìn)行判別和分類。這種檢測方法計算量大，構(gòu)造灰度共生矩陣時會受到像素方向、距離等各因素的影響(Yoshion?Shimizu.Expert?System?to?Inspect?Fabric?Defects?by?Pattern?Recognition[J].IEEE?Transactions?on?Pattern?Recognition,1990,46(3):460-469.)。脈沖耦合法是利用脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)完成織物疵點(diǎn)分割。然而，PCNN網(wǎng)絡(luò)主要參數(shù)是通過人工經(jīng)驗(yàn)確定的，因此無法做到自適應(yīng)性(宋寅卯,袁端磊,盧易風(fēng)等.基于最優(yōu)PCNN模型的織物疵點(diǎn)自動檢測[J].儀器儀表學(xué)報,2008,29(4):887-891；祝雙武,郝重陽.一種基于改進(jìn)型PCNN的織物疵點(diǎn)圖像自適應(yīng)分割方法[J].電子學(xué)報,2012,40(3):611-616.)。在變換域中：傅立葉變換是一種全局性的方法，不能提供任何空間域的定位信息(Chi-ho?Chan,Grantham?K.H.Pang.Fabric?Defect?Detection?by?Fourier?Analysis[J].IEEE?Transactions?on?Industry?Applications,2000,36(5):1267-1276；V.,Jayashree?and?Shaila?Subbaraman.Identification?of?twill?grey?fabric?defects?using?DC?suppress?Fourier?power?spectrum?sum?features[J].Textile?Research?Journal,2012,82(14):1485-1497.)。小波變換具有多尺度分辨率特性，并在時域、頻域具有表征信號局部特征的能力，非常適合奇異信號的檢測，但正常紋理信息本身就包含著部分非光滑信號信息，小波分解不能抑制正常紋理信息中的非光滑信號信息。因此，對于微弱信號的小疵點(diǎn)檢測效果不佳(Tsai?DM?and?Hsiao?B.Automatic?surface?inspection?using?wavelet?reconstruction[J].Pattern?Recognition；2001,34(6):1285–1305.)。

現(xiàn)在的研究表明，人類在長期學(xué)習(xí)中積累了很多經(jīng)驗(yàn)，人類視覺系統(tǒng)通常根據(jù)自己經(jīng)驗(yàn)去尋找感興趣的目標(biāo)。這種經(jīng)驗(yàn)實(shí)質(zhì)就是人類長期學(xué)習(xí)過程中積累的檢測目標(biāo)特征信息，并把這種檢測目標(biāo)特征作為任務(wù)因子驅(qū)動檢測目標(biāo)興趣區(qū)迅速形成和目標(biāo)快速檢測(Navalpakkam,V.,Itti,L.Modeling?the?influence?of?task?on?attention[J].Vision?Research,2005,45(2):205-231；Yuanlong?Yu,Mann,G.K.I.,Gosine,R.G..A?Goal-Directed?Visual?Perception?System?Using?Object-Based?Top-Down?Attention[J].Autonomous?Mental?Development,IEEE?Transactions?on,2012,4(1):87-103.)。由此可見，人類視覺系統(tǒng)的任務(wù)驅(qū)動機(jī)制在人類視覺中扮演著非常重要的角色，是人類自然進(jìn)化的結(jié)果，她能夠很好的解決目標(biāo)檢測準(zhǔn)確性和快速性問題，具有較強(qiáng)的目標(biāo)檢測的適應(yīng)性。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種基于視覺任務(wù)驅(qū)動的織物疵點(diǎn)檢測方法，能夠滿足不同織物疵點(diǎn)動態(tài)檢測的準(zhǔn)確性和快速性要求。

本發(fā)明所采用的技術(shù)方案是：一種基于視覺任務(wù)驅(qū)動的織物疵點(diǎn)檢測方法，采用任務(wù)驅(qū)動逐次形成興趣圖、方向性疵點(diǎn)興趣區(qū)域和非方向性疵點(diǎn)興趣區(qū)；最后通過區(qū)域生長法使疵點(diǎn)從興趣區(qū)中分割出來。

本發(fā)明的特點(diǎn)還在于，

包括以下步驟：

步驟1：基元因子驅(qū)動構(gòu)建興趣圖