[發明專利]基于距離匹配函數和感知哈希算法的織物疵點檢測方法

有效

• 申請號: 201711191878.8
• 申請日: 2017-11-24
• 公開（公告）號: CN108090894B
• 公開（公告）日: 2020-09-08
• 發明（設計）人: 徐賢局;顧敏明;潘海鵬
• 申請（專利權）人: 浙江理工大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11
• 代理公司: 無錫市匯誠永信專利代理事務所(普通合伙) 32260
• 代理人: 張歡勇

1.基于距離匹配函數和感知哈希算法的織物疵點檢測方法，其特征在于，其步驟如下：

步驟一：采用距離匹配函數從正常規則圖像中提取最小紋理周期；

步驟二：構造重復周期的模板，采用感知哈希算法提取模板圖像塊的結構特征；

步驟三：從待測樣本上獲取待測圖像塊，提取待測圖像塊的結構特征和灰度均值特征；

步驟四：針對每個待測圖像塊的結構特征，與模板圖像塊的結構特征一一對比，生成最小漢明距離特征圖H；

步驟五：針對每個待測圖像塊的灰度均值特征，與待測樣本的灰度均值特征對比，生成灰度均值對比特征圖D；

步驟六：融合特征圖H和特征圖D，利用最大類間方差法對最終的特征圖進行分割，定位出疵點區域；

所述采用距離匹配函數從正常規則圖像中提取最小紋理周期的方法：用二維變量f(x,y)表示織物圖像灰度值，計算二維距離匹配函數：和式中，M，N分別為該圖像的寬和高，x，y分別為該圖像中像素的行與列；p代表函數的周期，當p為函數f(x,y)的行方向或者列方向的周期時，f(x,y)與f(x,y+p)或f(x+p,y)的差值最小，記最小周期的寬高分別為a、b，后續提取的圖像塊大小均為最小周期大小；

所述的構造重復周期的模板是指：從正常規則織物圖像中，獲取寬、高為2a和2b的正常規則圖像模板；

所述的采用感知哈希算法提取模板圖像塊的結構特征的方法是：以計算出的最小周期a×b為窗口，在模板上以固定步長滑動獲取圖像塊，采用感知哈希算法計算出圖像塊的哈希值作為結構特征；

所述的針對每個待測圖像塊的結構特征，與模板圖像塊的結構特征一一對比，生成最小漢明距離特征圖H的方法是：在待測樣本上以最小周期獲取待測圖像塊，再將待測圖像塊與模板圖像塊的結構特征一一對比，取漢明距離的最小值作為對比結果，記為最小漢明距離，在生成特征圖的過程中，一個待測圖像塊代表特征圖的一個像素點，最小漢明距離為特征點的像素值，其中，漢明距離d_h(x,y)表示兩個圖像哈希值x，y之間的相似度，可以通過對兩個哈希值進行異或運算，并統計結果為1的個數得到漢明距離，其公式為

2.根據權利要求1所述的織物疵點檢測方法，其特征在于，所述的感知哈希算法的流程是：1)將圖像塊縮小到8×8的尺寸；2)計算壓縮后圖像塊的灰度平均值；3)比較像素的灰度：將每個像素的灰度，與平均值進行比較，大于或等于平均值，記為1；小于平均值，記為0；4)計算哈希值：將上一步的比較結果，組合在一起，就構成了一個64位的整數，保證所有圖像塊都采用同樣次序。

3.根據權利要求1所述的織物疵點檢測方法，其特征在于，所述的從待測樣本上獲取待測圖像塊，提取待測圖像塊的結構特征和灰度均值特征的方法是：以計算出的最小周期a×b為窗口，在待測樣本上以固定步長滑動獲取圖像塊，采用感知哈希算法計算出圖像塊的哈希值作為結構特征，計算出圖像塊的平均灰度值作為灰度均值特征。

4.根據權利要求1所述的織物疵點檢測方法，其特征在于，所述的針對每個待測圖像塊的灰度均值特征，與待測樣本的灰度均值特征對比，生成灰度均值對比特征圖D的方法是：在待測樣本上以最小周期獲取待測圖像塊，將待測圖像塊的灰度平均值與待測樣本的灰度平均值做差再取絕對值作為對比結果，在生成特征圖的過程中，一個待測圖像塊代表特征圖的一個像素點，對比結果為特征點的像素值。

5.根據權利要求1所述的織物疵點檢測方法，其特征在于，所述的融合特征圖H和特征圖D，利用最大類間方差法對最終的特征圖進行分割，定位出疵點區域的方法是：首先將特征圖按照公式進行閾值劃分和再按照公式M(i,j)＝(H(i,j)+D(i,j))²融合特征圖，最后采用最大類間方差法進行二值化，其中θ₁為結構特征的閾值，θ₂為灰度特征的閾值，M(i,j)為融合后特征圖的像素。