[發明專利]一種基于最大熵與DBSCAN相融合的毛羽檢測方法

有效

• 申請號: 201811149030.3
• 申請日: 2018-09-29
• 公開（公告）號: CN109272503B
• 公開（公告）日: 2019-11-19
• 發明（設計）人: 張緩緩;嚴凱;李仁忠;景軍鋒;李鵬飛
• 申請（專利權）人: 西安工程大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/136;G06T7/155;G06K9/62
• 代理公司: 61214 西安弘理專利事務所
• 代理人: 曾慶喜<國際申請>=<國際公布>=<進入

1.一種基于最大熵與DBSCAN相融合的毛羽檢測方法，其特征在于，具體按照以下步驟實施：

步驟1，將待檢測的紗線圖像縮放至256×256像素，并將其轉換為單通道BMP格式；

步驟2，對經步驟1后得到的紗線圖像進行雙邊濾波處理；

步驟3，采用最大熵閾值分割紗線圖像；具體步驟如下：

步驟3.1，經步驟2后，設定閾值T(0≤T≤225)，利用紗線圖像中灰度級小于閾值T的所有像素點構成擬定背景區域，利用圖像中灰度級大于或者等于閾值T的所有像素點構成擬定目標區域，計算擬定背景區域和擬定目標區域中每個像素點的概率密度p(i)，如式(3)所示；

式(3)中，n_i為像素值為i的像素點數目，N為圖像中像素點的總數目；

步驟3.2，經步驟3.1后，計算擬定背景區域中所有像素點的累計概率密度P₀(T)，如式(4)所示：

步驟3.3，經步驟3.2后，計算擬定目標區域中所有像素點的累計概率密度P₁(255-T)，如式(5)所示：

步驟3.4，經步驟3.3后，分別計算閾值T下擬定背景區域中像素點的熵值之和H₀和擬定目標區域中像素點的熵值之和H₁，如式(6)及式(7)所示；

步驟3.5，經步驟3.4后，計算在閾值T下紗線圖像的總熵值H，如式(8)所示：

H＝H₀+H₁ (8)；

步驟3.6，重復步驟3.1至3.5，計算每個閾值T(0≤T≤225)，下圖像的總熵值，將總熵值最大時的閾值T作為最優閾值，并將紗線圖像中灰度級小于最優閾值的所有像素點歸為背景區域，將圖像中灰度級大于或者等于最優閾值的所有像素點歸為目標區域，從而實現紗線圖像的分割；

步驟4，經步驟3后，利用開運算處理經過最優閾值處理后的紗線圖像，提取紗線條干，再對紗線條干進行膨脹，利用最優閾值處理后的紗線減去膨脹后的紗線條干，得到紗線毛羽，最后，對紗線毛羽進行細化，得到細化后的紗線圖像；

步驟5，采用密度聚類算法對細化后的紗線圖像的毛羽進行處理，得到毛羽根數及長度；具體步驟如下：

步驟5.1，將紗線圖像中的一個像素點作為待檢測像素點x_i，將待檢測像素點x_i的鄰域半徑Eps設為5，將待檢測像素點在鄰域半徑內像素點密度閾值MinPts設為6，得到待檢測像素點在鄰域半徑內像素值為255時的像素點的總個數N(x_i)；

步驟5.2，若|N(x_i)|≥MinPts，則創建一個以待檢測像素點x_i為核心對象的類，并將待檢測像素點x_i在鄰域半徑內的像素點加入到該類中，并對該類中的每個像素點進行標記；若|N(x_i)|＜MinPts，則將待檢測像素點x_i標記為噪聲，去除；

步驟5.3，重復步驟5.1和5.2，直至將紗線圖像中未標記的像素點檢測完畢，所得到的類的個數為紗線圖像中毛羽的根數，每一類中像素點的總個數乘以每個像素點對應的實際長度為毛羽的長度。

2.根據權利要求1所述一種基于最大熵與DBSCAN相融合的毛羽檢測方法，其特征在于，所述步驟2具體為：依次將紗線圖像中的每一個像素點作為目標像素點，將每個目標像素點坐標記為(i，j)，將每個目標像素點鄰域內像素點坐標記為(k,l)，根據每個目標像素點鄰域內像素點的像素值f(k,l)，得到濾波后每個目標像素點的像素值g(i,j)，如式(1)所示：

式(1)中，ω(i,j,k,l)為加權系數。

3.根據權利要求2所述一種基于最大熵與DBSCAN相融合的毛羽檢測方法，其特征在于，所述加權系數ω(i,j,k,l)的計算公式，如式(2)所示：

式(2)中，σ_d和σ_r均為平滑參數，f(i,j)為濾波前每個目標像素點的像素值。