[發明專利]基于峰值覆蓋值和混合特征的紡織品瑕疵檢測方法

有效

• 申請號: 201711188212.7
• 申請日: 2017-11-24
• 公開（公告）號: CN107977961B
• 公開（公告）日: 2019-10-11
• 發明（設計）人: 賈靚;石林;莊麗華;顏榴紅
• 申請（專利權）人: 常州大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/41
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于峰值覆蓋值和混合特征的紡織品瑕疵檢測方法，其特征在于：包括訓練階段和測試階段兩個階段；訓練階段，根據一系列無瑕疵紡織品灰度圖像，以下簡稱無瑕圖像，計算圖格分割所需參數，而后對無瑕圖像進行圖格分割并計算測試階段瑕疵識別所需參數；測試階段，根據訓練階段得到的參數對一副紡織品圖像進行圖格分割并判斷圖格是否包含瑕疵，最后標記含有瑕疵的圖格；

所述訓練階段包括以下步驟：

步驟1：根據一系列無瑕圖像計算圖格分割所需參數，以確定圖格理想尺寸；

步驟2：根據步驟1中獲得的圖格理想尺寸，對訓練樣本集進行圖格分割，獲得訓練樣本圖格；

步驟3：采用特征提取方法計算步驟2中圖格分割生成的訓練樣本圖格的特征向量，從而計算出訓練樣本集中無瑕圖像的圖格周期、圖格各特征的理想統計值以及理想統計值閾值；

所述測試階段包括以下步驟：

步驟4：測試樣本圖格分割，對一副給定的測試樣本，按照步驟2的方法對測試樣本進行圖格分割，獲得測試樣本圖格；

步驟5：按照步驟3的方法計算測試樣本的特征向量、圖格周期、圖格各特征的理想統計值以及理想統計值閾值，并將計算結果與理想統計值閾值進行比較，以識別有瑕疵的圖格；

步驟1具體包括以下步驟：

步驟1.1：背景像素投影，根據RTV模型計算紡織品灰度圖像I的卡通成分，應用Bradley方法二值化卡通成分，通過形態學腐蝕和膨脹操作對二值化卡通成分降噪，應用Moore-Neighbor跟蹤算法得到二值化I_c中的二值對象，計算二值化卡通成分中二值對象面積，刪除面積不在區間((1-α)·m_a,(1+α)·m_a)內的二值對象得到二值化紡織品圖像I_tc，其中，m_a為二值對象面積中位值，且0<α<1；計算I_tc中每行每列背景像素數，按行索引升序排列每行背景像素數得到背景像素行投影按列索引升序排列每列背景像素數得到背景像素行投影

步驟1.2：計算峰值覆蓋值，計算紡織品灰度圖像I的背景像素行投影的峰值，將峰值按其在背景像素行投影中的索引升序排列得到峰值序列對于p_r中第個峰值根據下式計算的覆蓋值

與背景像素行投影的覆蓋值計算方法相同，將上式中下角標r的項替換為具有下角標c的對應項即可，計算的峰值序列計算其中1≤i_pc；計算p_r中峰值覆蓋值的有序集合中元素按大小降序排列；對于中的第l個元素峰值序列中滿足的有序集合稱為第l級峰值第l級峰值中的元素按其在中的索引升序排列；對于第l級峰值，計算每個峰值與其前一峰值在中的索引之差絕對值，計算這些絕對值的中位值及其出現次數組成集合組成集合中元素取值組成集合類似地，根據和p_c計算滿足的有序集合“第l′級峰值”計算第l′級峰值中前后元素在中的索引之差絕對值及其中位值和中位值出現次數組成多重集組成多重集中元素取值組成集合

步驟1.3：計算圖格理想尺寸，對訓練樣本集的I₁,I₂…I_N中的第i個訓練樣本I_i，根據步驟1.2計算I_i的p_r，p_c，和計算取值集合I_i的理想行數由下式定義：

其中，δ為狄拉克δ函數，I_i的理想列數計算與類似，即將上式中具有下角標r的項替換為具有下角標c的對應項即可，替換為圖格理想尺寸定義為的中位值和的中位值