[發明專利]一種基于無抽樣小波與Gumbel分布的織物缺陷檢測方法

有效

• 申請號: 201810043774.0
• 申請日: 2018-01-17
• 公開（公告）號: CN108399614B
• 公開（公告）日: 2020-12-22
• 發明（設計）人: 胡廣華;楊烈;黃俊鋒;王清輝;李靜蓉;徐志佳
• 申請（專利權）人: 華南理工大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/30;G06T5/50;G06T3/40;G06T7/136
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 李斌

1.一種基于無抽樣小波與Gumbel分布的織物缺陷檢測方法，其特征在于，包括以下步驟：

S1.1對輸入的待測圖像進行多層無抽樣小波分解，每個分解層生成一幅近似子圖，以及水平、垂直、對角三個方向的細節子圖；

S1.2分別計算近似子圖及各細節子圖的差分特征，然后將其融合成單一的差分特征圖，以弱化紋理背景、突出缺陷信號；

S1.3采用Gumbel模型擬合差分特征圖中的灰度分布，利用MLE算法估計模型參數；

S1.4將特征圖分割成一系列尺寸較小的子圖塊，根據所估計的Gumbel模型參數，計算每個子圖塊的似然估計值，得到似然值分布圖；

S1.5閾值化似然值分布圖，得到二值化的檢測結果；

所述步驟S1.4具體包括以下步驟：

S7.1將融合特征圖劃分成一組尺寸為N_p×N_p的子圖塊P_k；

S7.2使用步驟S1.3中估算出的模型參數，計算各子圖塊的對數似然估計值；

S7.3采用線性插值，將對數似然值映射圖恢復至原始圖像尺寸，形成似然值分布圖LLM；

所述步驟S1.5包括以下步驟：

S8.1計算似然值分布圖的均值、標準偏差；

S8.2將LLM中的每個似然值與均值相減，絕對值超過閾值者判定為缺陷，否則判定為背景；閾值分割計算公式具體為：

其中，L_k表示子圖塊P_k的對數似然估計值，m_L和σ_L分別代表所有圖塊似然值的均值和標準偏差，λ為預設的控制參數。

2.根據權利要求1所述的基于無抽樣小波與Gumbel分布的織物缺陷檢測方法，其特征在于，所述步驟S1.2具體包括以下步驟：

S2.1采用幾何形態學梯度算子計算位于頂層的近似子圖的差分特征；

S2.2對水平、垂直、對角三個方向，分別計算相鄰兩層細節子圖的差分特征；

S2.3將多個方向全部通道的細節子圖差分特征融合成單一的總細節子圖差分特征；

S2.4將步驟S2.1得到的近似子圖的差分特征、步驟2.3得到的總細節子圖差分特征進一步融合成單一的差分特征圖M_f(x,y)。

3.根據權利要求2所述的基于無抽樣小波與Gumbel分布的織物缺陷檢測方法，其特征在于，所述步驟S2.1包括以下步驟：

S3.1構建一定尺寸的形態學運算結構單元；

S3.2用步驟S3.1所述結構單元對頂層近似子圖進行膨脹操作；

S3.3用步驟S3.1所述結構單元對頂層近似子圖進行腐蝕操作；

S3.4將步驟S3.2所得膨脹結果減去步驟S3.3所得腐蝕結果并取絕對值，作為近似子圖的差分特征，用以捕捉位于低頻區域的缺陷信息。

4.根據權利要求2所述的基于無抽樣小波與Gumbel分布的織物缺陷檢測方法，其特征在于，所述步驟S2.2包括以下步驟：

S4.1對水平、垂直、對角各個方向，分別計算相鄰兩層細節系數的差分值；

S4.2將結果取絕對值，作為該方向下對應分解層的細節差分特征。

5.根據權利要求4所述的基于無抽樣小波與Gumbel分布的織物缺陷檢測方法，其特征在于，所述步驟S2.3包括以下步驟：

S5.1對步驟S4.2所述細節差分特征進行規范化；

S5.2將三個方向的全部尺度下的細節差分特征進行求和，得到總的細節差分特征。

6.根據權利要求3或4所述的基于無抽樣小波與Gumbel分布的織物缺陷檢測方法，其特征在于，所述步驟S2.4包括以下步驟：

S6.1將步驟S3.4、S4.2所述的近似子圖的差分特征、細節差分特征分別進行規范化；

S6.2將規范化后的近似子圖的差分特征、細節差分特征進行求和，得到融合差分特征圖M_f(x,y)。