[發(fā)明專利]無紡布缺陷檢測與分類方法

有效

• 申請?zhí)枺?/td>: 201810535590.6
• 申請日: 2018-05-30
• 公開（公告）號: CN108765402B
• 公開（公告）日: 2021-09-14
• 發(fā)明（設(shè)計）人: 撒繼銘;張佳慧;蔡碩
• 申請（專利權(quán)）人: 武漢理工大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/136;G06T5/00;G06K9/62
• 代理公司: 武漢科皓知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 42222
• 代理人: 鄭勤振

1.一種無紡布缺陷檢測與分類方法，其特征在于，包括以下步驟：

獲取無紡布圖像；

對無紡布圖像進(jìn)行亮度補(bǔ)償和濾波去噪預(yù)處理，以消除光照不均對圖像造成的影響和濾除圖像采集過程中出現(xiàn)的噪聲；

采用優(yōu)化Gabor濾波器組對預(yù)處理后的圖像進(jìn)行濾波操作，并將濾波后的圖像進(jìn)行融合，使缺陷信息集中到融合結(jié)果中，其中所述Gabor濾波器組優(yōu)化方法包括以下步驟：根據(jù)二維Gabor函數(shù)設(shè)計總共5尺度8方向上的40個Gabor濾波器；將8個方向分為4組正交方向，根據(jù)圖像一維熵的計算方法，計算每組正交方向?yàn)V波結(jié)果圖像的一維熵的和，將和最小值所對應(yīng)的正交方向組作為Gabor濾波器組的最優(yōu)方向選擇；針對最優(yōu)方向上每個尺度的濾波結(jié)果圖像計算其損失評價函數(shù)值，計算每組正交方向上損失評價函數(shù)值的和，將和最大值所對應(yīng)的尺度作為Gabor濾波器組的最優(yōu)尺度選擇；將Gabor濾波器的方向參數(shù)設(shè)置為最優(yōu)方向，尺度參數(shù)設(shè)置為最優(yōu)尺度，并只取其實(shí)部濾波器；

利用局部均值自適應(yīng)閾值分割法對融合結(jié)果圖進(jìn)行二值化，使缺陷區(qū)域與正常區(qū)域分離開來；

采用偽缺陷剔除算法對二值化結(jié)果圖中的孤立亮噪聲點(diǎn)進(jìn)行去除，使二值化圖像中只保留正確的缺陷區(qū)域，準(zhǔn)確實(shí)現(xiàn)缺陷的檢測定位；

根據(jù)缺陷在圖像中的位置分割感興趣區(qū)域，基于感興趣區(qū)域提取缺陷特征；

根據(jù)缺陷特征向量組訓(xùn)練SVM分類器并進(jìn)行參數(shù)優(yōu)化；

用訓(xùn)練好的分類器對缺陷進(jìn)行分類識別。

2.根據(jù)權(quán)利要求1所述的一種無紡布缺陷檢測與分類方法，其特征在于，將兩個正交方向上的濾波結(jié)果圖進(jìn)行加權(quán)融合，使缺陷的信息集中到融合結(jié)果圖中。

3.根據(jù)權(quán)利要求1所述的一種無紡布缺陷檢測與分類方法，其特征在于，所述缺陷特征包括形狀特征向量、一階矩特征向量及二階矩特征向量，將形狀特征向量、一階矩特征向量以及二階矩特征向量合并成一個復(fù)合特征向量，作為代表缺陷類別的特征。

4.根據(jù)權(quán)利要求3所述的一種無紡布缺陷檢測與分類方法，其特征在于，所述形狀特征向量包括參數(shù)：面積、周長、方向角、圓形度、扁平度以及占空比。

5.根據(jù)權(quán)利要求3所述的一種無紡布缺陷檢測與分類方法，其特征在于，所述一階矩特征向量包括參數(shù)：灰度平均值、方差、傾斜度、峭度以及一維熵。

6.根據(jù)權(quán)利要求3所述的一種無紡布缺陷檢測與分類方法，其特征在于，所述二階矩特征向量包括參數(shù)：最優(yōu)正交方向組上能量、二維熵、對比度、逆差矩以及自相關(guān)。