[發(fā)明專利]一種基于光照校正與視覺顯著特征的紡織品瑕疵檢測方法

在審

• 申請?zhí)枺?/td>: 202110012031.9
• 申請日: 2021-01-06
• 公開（公告）號: CN112802074A
• 公開（公告）日: 2021-05-14
• 發(fā)明（設(shè)計）人: 狄嵐;龍涵彬;顧雨迪
• 申請（專利權(quán)）人: 江南大學(xué)
• 主分類號: G06T7/40
• 分類號: G06T7/40;G06T7/90;G06T7/194;G06T7/155;G06T7/136;G06T7/00;G06T5/00;G06K9/46
• 代理公司: 南京禹為知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 32272
• 代理人: 王曉東

本發(fā)明公開了一種基于光照校正與視覺顯著特征的紡織品瑕疵檢測方法，包括光照校正階段，背景紋理去除階段和提取視覺顯著特征階段；所述光照校正階段通過光照校正方法解決紡織品圖像受到光照不均勻影響的問題；所述背景紋理去除階段通過L₀梯度最小化方法去除紡織品圖像的背景紋理；所述提取視覺顯著特征階段通過提取紡織品圖像的視覺顯著特征進行紡織品瑕疵的檢測與識別。本發(fā)明的有益效果：本發(fā)明提供了一種基于光照校正與視覺顯著特征的紡織品瑕疵檢測方法，該方法從全局角度對圖像進行光照校正、從局部角度增強圖像的對比度，結(jié)合視覺顯著特征，提高了對受光照影響的紡織品圖像的瑕疵檢測效果。

技術(shù)領(lǐng)域

本發(fā)明涉及計算機圖像處理技術(shù)領(lǐng)域，尤其涉及圖像特征提取。

背景技術(shù)

紡織品的瑕疵缺陷會帶來巨大的經(jīng)濟損失，保證紡織品的質(zhì)量、檢測紡織品的瑕疵尤為重要。現(xiàn)今，紡織品的瑕疵檢測主要針對2類織物：1)沒有復(fù)雜的紋理圖案，結(jié)構(gòu)簡單，多為純色紡織品。2)具有復(fù)雜圖案，含周期性的紡織品。

對于第1類織物，研究方法已經(jīng)較為成熟。主要分為：1)統(tǒng)計法，如共生矩陣法、形態(tài)學(xué)法；2)譜方法，如傅里葉變換、小波變換、Gabor濾波；3)模型法，如Markov隨機場模型；4)訓(xùn)練法，如神經(jīng)網(wǎng)絡(luò)；統(tǒng)計法和譜方法對于面積過大或者過小的瑕疵容易造成誤檢。模型法需要預(yù)先定義模型，且對于不同類型瑕疵需要定義不同模型，不具有普適性。訓(xùn)練法需要大量樣本作為訓(xùn)練集，并且訓(xùn)練參數(shù)需要耗費很長時間。對于第2類織物，如今較為成熟可用的方法不多，主要為有監(jiān)督的基于小波預(yù)處理的黃金圖像相減法(WaveletPreprocessed Golden Image Subtraction，WGIS)、布林帶法(Bollinger Bands，BB)、規(guī)則帶法(Regular Bands，RB)、棋盤法(Elo Rating，ER)。這類方法實時性不佳，檢測瑕疵的查準(zhǔn)率和查全率都有待提高。

頻率調(diào)諧顯著性算法(Frequency-tuned Salient Region Detection，F(xiàn)T)將瑕疵圖像由RGB(Red Green Blue)顏色空間轉(zhuǎn)到LAB顏色空間，利用瑕疵與背景顏色、亮度的差異將瑕疵視為具有顯著性特征的區(qū)域。基于小波變換的低層視覺顯著性檢測算法采用多方向的小波對LAB顏色空間的三通道分別進行二維離散小波變換，采用全局與局部特征融合的方式形成瑕疵區(qū)域的顯著圖。

在采集紡織品瑕疵圖像過程中，易受到光照不均勻的影響，增大圖像特征提取的難度，提高瑕疵檢測的誤檢率，傳統(tǒng)的直方圖均衡法和自商圖像法易使圖像過增強，光照校正效果不佳。近年來，同態(tài)濾波法和基于Retinex理論的方法被廣泛用于圖像的光照校正。

發(fā)明內(nèi)容

本部分的目的在于概述本發(fā)明的實施例的一些方面以及簡要介紹一些較佳實施例。在本部分以及本申請的說明書摘要和發(fā)明名稱中可能會做些簡化或省略以避免使本部分、說明書摘要和發(fā)明名稱的目的模糊，而這種簡化或省略不能用于限制本發(fā)明的范圍。

鑒于上述紡織品瑕疵檢測過程中存在不均勻光照影響、復(fù)雜紋理干擾以及需要大量樣本的問題，提出了本發(fā)明。

因此，本發(fā)明提供了一種基于光照校正與視覺顯著特征的紡織品瑕疵檢測方法，提高瑕疵檢測率和增強檢測的魯棒性。

為了解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：首先，利用多尺度側(cè)窗引導(dǎo)濾波提取瑕疵圖像的光照分量，然后利用光照分量的分布特性調(diào)整構(gòu)造的二維伽馬校正函數(shù)的參數(shù)，提高光照過暗區(qū)域的亮度值，結(jié)合局部對比度增強算法實現(xiàn)從全局和局部角度對圖像進行自適應(yīng)的光照校正。其次，利用L₀梯度最小化方法去除紡織品圖像的背景紋理。然后將紡織品圖像表示為四元數(shù)圖像，圖像中的每個像素由一個顏色、強度和運動特征組成的四元數(shù)表示，并利用四元傅里葉變換獲得紡織品圖像的顯著圖。最后，對顯著圖進行區(qū)域生長分割，實現(xiàn)瑕疵與背景的分離，并用形態(tài)學(xué)操作去除細(xì)小的可能造成誤檢的非瑕疵點，完成瑕疵檢測流程。