[發明專利]一種基于積分圖算法的織物瑕疵檢測方法

有效

• 申請號: 201610180226.3
• 申請日: 2016-03-25
• 公開（公告）號: CN107240086B
• 公開（公告）日: 2019-05-14
• 發明（設計）人: 董蓉;李勃;徐晨;周暉;湯敏;李洪鈞;羅磊
• 申請（專利權）人: 南通大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11
• 代理公司: 南京天翼專利代理有限責任公司 32112
• 代理人: 奚銘

一種基于積分圖算法的織物瑕疵檢測方法，利用積分圖算法快速提取梯度能量統計特征用于瑕疵檢測，首先通過對無瑕疵模板進行圖像學習，統計其梯度能量特征分布，提取分布峰值，再自適應求取閾值參數用于后續瑕疵的區分；然后，對待檢測圖像通過積分圖算法求取每個像素點所在窗口的梯度能量，結合所述閾值參數，判定當前像素點是否疵點，通過統計整幅圖像的疵點總數來判定當前圖像是否為瑕疵織物。本發明一方面基于積分圖加速運算的原理，快速提取織物圖像的梯度能量特征分布，實現織物瑕疵的實時檢測，另一方面求解分布峰值獲得自適應的瑕疵判定閾值參數，實現織物瑕疵的準確分割。本發明方法既能保證實時性又具有較高正確率。

技術領域

本發明涉及機器視覺與視頻圖像處理技術領域，具體為一種快速的基于積分圖算法的織物瑕疵檢測方法。

背景技術

傳統紡織行業的瑕疵檢測多以人工肉眼檢測為主，然而人眼視覺易疲勞導致漏檢、人工觀察效率低、人力成本代價大，這與大規模工業化生產極不協調，利用計算機視覺和圖像處理算法自動進行織物瑕疵檢測，能有效解決這一問題。

基于圖像濾波的方法在頻域提取織物紋理特征來進行瑕疵檢測，如Gabor濾波、小波變換，由于瑕疵尺度方向未定，濾波時往往需要提取多個尺度多個方向的結果作為特征向量，即便采用PCA降維方法，單幀圖像檢測時間仍需數十秒；基于信號統計的方法在空間域統計織物灰度分布特征來識別瑕疵，如局部二值模式(Local Binary Pattern，LBP)特征、灰度共生矩陣特征、規則帶(Regular Band，RB)特征等，統計特征具有較好魯棒性，但統計特征提取時一般需要利用鄰域多個像素數據，如不采用合適的加速策略將導致整體運算量驟增；對織物圖像直接閾值化來分割瑕疵的方法操作簡單、運算較快，但是僅對平紋、斜紋等灰度均勻、無紋理圖案的織物有效，且易受噪聲干擾。為實現自動瑕疵檢測算法的工業化應用，實時性和正確率都需滿足，而據統計，僅有少部分算法能夠滿足實時性，而其中檢測正確率高于90％的算法更少。

本發明提出一種基于積分圖的快速織物瑕疵檢測方法。利用積分圖將任意大小的圖像塊內的求和運算化簡為三次加法運算，快速提取梯度能量統計特征，極大減小運行時間開銷，并利用核函數擬合非對稱特征分布獲得自適應的瑕疵判定閾值，實現瑕疵區域的準確分割。

發明內容

本發明要解決的問題是：現有織物瑕疵檢測系統依賴人眼觀察，效率低下；現有通過各種復雜算法進行高正確率的織物瑕疵檢測的方法運算量較大，不滿足工業生產的實時性要求；現有能夠快速檢測織物瑕疵的方法僅能應對簡單織物圖像，對復雜紋理織物效果較差。總而言之，現有方法難以做到高實時性和高正確率的兼容。

本發明的技術方案為：一種基于積分圖算法的織物瑕疵檢測方法，利用積分圖算法將任意大小的圖像塊內的求和運算化簡為三次加法運算，以快速提取梯度能量特征用于瑕疵檢測，具體為：首先通過對無瑕疵模板進行圖像學習，統計其梯度能量特征分布，所得特征分布非對稱，采用核函數擬合特征分布，結合均值漂移法提取分布的峰值，再由峰值自適應求取閾值參數，所述閾值參數用于后續瑕疵的區分；然后，對待檢測圖像，通過積分圖算法求取每個像素點所在檢測窗口的梯度能量，結合所述閾值參數，判定當前像素點是否疵點，通過統計整幅圖像的疵點總數來判定當前圖像是否為瑕疵織物，

其中，梯度能量特征的提取方法為：首先求取原始圖像F(x,y)的梯度圖G(x,y)，再利用積分圖算法求取G(x,y)的梯度能量特征圖E(x,y)，對任意像素點(x,y)，其能量特征是以點(x,y)為中心的大小為dw*dh的窗口區域內的像素積分。

利用積分圖算法求取G(x,y)的梯度能量特征圖E(x,y)的具體步驟為：

1)求取G(x,y)的積分圖I(x,y)

I(x,y)＝I(x-1,y)+I(x,y-1)-I(x-1,y-1)+G(x,y) (1)

2)根據積分圖的特性，對任意點(x,y)求取其梯度能量特征圖E(x,y)：