[發明專利]一種基于小波分解的織物疵點區域特征值提取的方法

在審

• 申請號: 201710413412.1
• 申請日: 2017-06-05
• 公開（公告）號: CN107274390A
• 公開（公告）日: 2017-10-20
• 發明（設計）人: 孫智權;熊節;楊燕
• 申請（專利權）人: 鎮江蘇儀德科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/40
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明屬于圖像處理領域，具體涉及到一種基于小波分解的織物疵點區域特征值提取的方法。

背景技術

隨著現代科學技術的快速發展，工業自動化水平日益提高，尤其微電子技術、計算機信息技術和互聯網技術的飛速發展，工業智能化已成為新的發展趨勢。工業自動化水平也和其他工業領域一樣，自動化程度越來越高。但織物質量檢測作為紡織品質量控制的重要環節，卻一直沒有實現自動化，其中疵點檢測是最重要的檢驗項目。

目前，實際生產中只是要求檢測是否存在疵點、并標記出疵點的位置，人工檢測一般也僅能實現這些功能，僅有少數的人工驗布機上增加了疵點分類計數器，操作員根據自己對疵點類型的判斷，按下計數器鍵盤上相應按鍵進行計數。顯然，這種疵點分類計數很不實用。因為當工人按下計數器鍵盤按鍵時，眼睛要離開被檢測的布匹，但此時驗布機上的布匹依然在運動，勢必會有疵點被漏檢。為此，要實現疵點自動檢測，在確定疵點區域后，還需要對疵點區域的紋理特征進行提取，以便根據疵點區域特征值與正常織物標準特征值的比較，來確定疵點的種類。

發明內容

發明目的：針對上述問題，本發明的目的是提供一種基于小波分解的織物疵點區域特征值提取的方法，確定疵點區域后，對疵點區域的紋理特征進行提取，根據疵點區域特征值與正常織物標準特征值的比較，來確定疵點的種類，為實現疵點自動檢測提供理論基礎。

技術方案：為實現上述目的，本發明采用如下技術方案：

一種基于小波分解的織物疵點區域特征值提取的方法，其特征在于，包括如下步驟：

步驟101，采用Mallat快速算法對含有疵點的織物圖像進行小波分解，得到四個子圖像(低頻子圖、水平子圖、垂直子圖、對角線子圖)，分解公式如下：

其中，h(-k)、g(-k)分別為低通濾波器和高通濾波器的單位抽樣響應，c_j(k,l)表示尺度系數，c_j+1(m,n)、分別表示低頻子圖、緯向子圖、經向子圖和對角線子圖；

步驟102，對子圖像進行圖像窗口分割，并提取能量、極差、方差、熵、逆差距五個特征值，其包括：

步驟102，人工神經網絡的方法對子圖像進行圖像窗口分割，并提取能量、極差、方差、熵、逆差距五個特征值，其包括：

步驟1021，人工神經網絡的方法對子圖像進行圖像窗口分割，表達式為：

式中，基函數φ_j(x)可以是關于輸入m次冪的多項式

步驟1022，計算能量特征值，表達式為：

或

式中，H_ij表示像素點(i),j的灰度值，M、N分別表示圖像的高度和寬度；

步驟1023，計算熵特征值，其表達式為：

式中，E_h和E_v分別表示緯向和經向紋理熵值；

步驟1024，計算方差特征值，其表達式為：

式中，表示整幅圖像的灰度均值。

步驟1025，計算極差特征值，其表達式為：

式中，M_h和M_v分別表示緯向和經向極差。

步驟1026，計算逆差距特征值，其表達式為：

步驟103，織物圖像窗口分割后，提取各個子圖的特征值，對能量、極差、方差、熵、逆差距五個特征值進行歸一化處理，歸一化表達式為：

式中，y表示待檢織物的相對特征值，x表示待檢織物的絕對特征值，表示待檢織物的絕對特征值的均值，x_max、x_min分別表示正常織物特征值的最大值和最小值。

有益效果：與現有技術相比，本發明的優點提供一種基于圖像處理的織物疵點區域的識別與提取的方法，對織物疵點自動檢測涉及疵點紋理特征值提取，得到了疵點區域的位置、形狀和大小等基本信息，根據疵點區域特征值與正常織物標準特征值的比較，來確定疵點的種類，為實現疵點自動檢測提供理論基礎。

附圖說明

圖1是基于小波分解的疵點區域特征值提取的方法的流程圖。

具體實施方式

下面結合附圖和具體實施例，進一步闡明本發明。

如圖1所示，基于小波分解的疵點區域特征值提取的方法，包括如下步驟：