[發(fā)明專利]一種基于Laws紋理與單分類SVM結(jié)合的素色布匹缺陷檢測方法

在審

• 申請?zhí)枺?/td>: 201810839404.8
• 申請日: 2018-07-27
• 公開（公告）號: CN109191430A
• 公開（公告）日: 2019-01-11
• 發(fā)明（設(shè)計(jì)）人: 姚克明;解祥新;衛(wèi)悅恒;王小蘭;羅印升
• 申請（專利權(quán)）人: 江蘇理工學(xué)院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/40;G06K9/62
• 代理公司: 常州佰業(yè)騰飛專利代理事務(wù)所(普通合伙) 32231
• 代理人: 王志鵬

本發(fā)明提供一種基于Laws紋理與單分類SVM結(jié)合的素色布匹缺陷檢測方法，采用線陣相機(jī)對運(yùn)動(dòng)中的布匹進(jìn)行圖像采集，對采集的布匹圖像進(jìn)行預(yù)處理；構(gòu)造單分類SVM將非線性的訓(xùn)練數(shù)據(jù)映射到高維特征空間，在高維特征空間中構(gòu)造出最優(yōu)分離函數(shù)；利用采集的標(biāo)準(zhǔn)無缺陷布匹圖像樣本輸入到單分類SVM，通過Laws紋理特征提取方法進(jìn)行特征提取，并對提取的特征量進(jìn)行訓(xùn)練；將現(xiàn)場采集的布匹圖像進(jìn)行預(yù)處理，輸入單分類SVM，判別是否存在缺陷；若有缺陷，對判斷后的圖像進(jìn)行局部二值化閾值分割以及形態(tài)學(xué)處理，最后得出檢測結(jié)果。本發(fā)明提高了布匹缺陷的檢測效率，降低成本以及減少對樣本數(shù)量的需求。

技術(shù)領(lǐng)域

本發(fā)明屬于布匹缺陷檢測技術(shù)領(lǐng)域，具體涉及一種基于Laws紋理與單分類SVM結(jié)合的素色布匹缺陷檢測方法。

背景技術(shù)

布匹缺陷是影響布匹質(zhì)量控制的重要因素。國內(nèi)絕大多數(shù)服裝行業(yè)的布匹缺陷識別主要依靠傳統(tǒng)的人工離線完成，存在工作量大、檢測速度慢且準(zhǔn)確度低等問題。

隨著計(jì)算機(jī)和機(jī)器視覺技術(shù)的快速發(fā)展，使得布匹缺陷自動(dòng)識別逐漸成為現(xiàn)實(shí)。對布匹缺陷的檢測方法常見的有圖像處理、頻譜特征、傅里葉變換、Gabor濾波器、馬爾科夫隨機(jī)模型、神經(jīng)網(wǎng)絡(luò)和遺傳算法等。就目前而言，已經(jīng)有了很多的方法，而且還在不斷涌現(xiàn)新的方法，但是能夠應(yīng)用到工業(yè)生產(chǎn)上的方法還是相對較少。而且這些方法普遍存在以下問題：工業(yè)化成本高昂、樣本統(tǒng)計(jì)需求量大、效率低、局限性大。

(一)解決的技術(shù)問題

本發(fā)明的目的在于提供一種基于Laws紋理與單分類SVM結(jié)合的素色布匹缺陷檢測方法，所要解決的問題是將單分類SVM應(yīng)用于布匹缺陷的檢測，從而提高布匹缺陷的檢測效率，降低成本以及減少對樣本數(shù)量的需求。

(二)技術(shù)方案

為實(shí)現(xiàn)以上目的，本發(fā)明通過以下技術(shù)方案予以實(shí)現(xiàn)：

一種基于Laws紋理與單分類SVM結(jié)合的素色布匹缺陷檢測方法，包括以下步驟：

S1、通過采集的布匹圖像，進(jìn)行圖像預(yù)處理包括：濾波處理、直方圖均衡化進(jìn)行去噪以及圖像增強(qiáng)處理；

S2、建立單分類SVM，該單分類SVM的輸入值為預(yù)處理后的布匹圖像，采用紋理特征提取方法對輸入的預(yù)處理后的圖像進(jìn)行特征提取，輸出值為是否存在缺陷；

S3、將步驟1預(yù)處理后的布匹圖像輸入步驟S2所建立的單分類 SVM，實(shí)現(xiàn)判別布匹圖像是否存在缺陷；

S4、若有缺陷，對步驟S1中預(yù)處理之后的圖像進(jìn)行局部自適應(yīng)閾值二值化分割，局部自適應(yīng)閾值二值化分割對光照不均的情況有顯著的抑制效果；

S5、對步驟S4中二值化分割后的圖像進(jìn)行形態(tài)學(xué)運(yùn)算，使得缺陷區(qū)域更加顯著，去除噪聲點(diǎn)的干擾；

S6、對步驟S5所得到的圖像進(jìn)行基于面積特征篩選缺陷區(qū)域，繪制缺陷區(qū)域的最小包圍矩形，通過繪制的矩形得出缺陷區(qū)域的中心點(diǎn)。

進(jìn)一步地，所述步驟S1使用雙邊濾波盡可能地保護(hù)邊緣部分信息的情況下去除噪聲，使用直方圖均衡化對圖像進(jìn)行增強(qiáng)。

進(jìn)一步地，所述步驟S1構(gòu)造雙邊濾波器

權(quán)重系數(shù)ω(i,j,k,l)取決于定義核域

與值域核

的乘積,其中i,j是像素位置，k,l是鄰域內(nèi)像素位置，σ為方差，運(yùn)用雙邊濾波器盡可能地保護(hù)邊緣部分信息的情況下去除噪聲。

進(jìn)一步地，所述步驟S2單分類SVM建立方法如下：

S2.1、采集一組標(biāo)準(zhǔn)無缺陷的布匹圖像，對該組布匹圖像進(jìn)行圖像預(yù)處理包括：濾波處理、直方圖均衡化進(jìn)行去噪以及圖像增強(qiáng)處理；