[發(fā)明專利]一種基于特征匹配的織物異常區(qū)域檢測方法有效
| 申請?zhí)枺?/td> | 202110777751.4 | 申請日： | 2021-07-07 |
| 公開（公告）號： | CN113554605B | 公開（公告）日： | 2023-09-26 |
| 發(fā)明（設計）人： | 陳從平;丁坤;鈕嘉煒;李少玉;顏逸洲;周正旺;張屹;戴國洪 | 申請（專利權）人： | 常州大學 |
| 主分類號： | G06T7/00 | 分類號： | G06T7/00 |
| 代理公司： | 常州市英諾創(chuàng)信專利代理事務所(普通合伙) 32258 | 代理人： | 王美華 |
| 地址： | 213164 江*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 特征 匹配 織物 異常 區(qū)域 檢測 方法 | ||
本發(fā)明涉及織物檢測技術領域，涉及一種基于特征匹配的織物異常區(qū)域檢測方法，包括以下步驟：S1、織物圖像特征提取；S2、織物圖像異常判別；通過距離度量公式為Lsubgt;2/subgt;和余弦相似性的結合，給出異常判別分數(shù)為D；S3：織物異常區(qū)域定位；將粗略異常像素分數(shù)圖p進行高斯模糊消除干擾點從而得到異常像素分數(shù)圖p'，給定閾值τsubgt;2/subgt;，若p'中像素點的分數(shù)值小于τsubgt;2/subgt;，則標記該像素點為正常像素點，若p'中像素點的分數(shù)值大于τsubgt;2/subgt;，則標記該像素點為異常像素點。本發(fā)明通過距離度量與余弦相似性相結合，解決織物異常判別準確性低的問題；將粗略異常像素分數(shù)圖進行高斯模糊消除干擾點得到異常像素分數(shù)圖，通過閾值比較，解決織物異常定位準確性低的問題。
技術領域
本發(fā)明涉及織物檢測技術領域，尤其涉及一種基于特征匹配的織物異常區(qū)域檢測方法。
背景技術
織物瑕疵檢測一直是瑕疵檢測中的重要部分。傳統(tǒng)的檢測方法使用人工檢測，人工檢測無論是效率和成本都是不能滿足各行各業(yè)的要求。隨著機器視覺的發(fā)展，基于機器視覺的瑕疵檢測因其可實現(xiàn)自動化檢測而備受關注。傳統(tǒng)的織物類瑕疵檢測算法主要有基于統(tǒng)計的方法、基于概率分布模型的方法、基于光譜分析方法。然而傳統(tǒng)的織物瑕疵檢測算法存在特征提取不充分和適應性較差的缺點。近年來，隨著深度卷積神經(jīng)網(wǎng)絡在目標檢測、圖像分割和圖像識別等方向的快速發(fā)展，基于深度卷積網(wǎng)絡的織物類瑕疵檢測方法得取得了良好的效果。
已公開的發(fā)明專利(“一種基于深度神經(jīng)網(wǎng)絡的織物瑕疵檢測方法”，201710529838.3)提出了一種基于深度神經(jīng)網(wǎng)絡的織物瑕疵檢測方法，該方法首先制作織物圖像數(shù)據(jù)集，通過搭建深度學習神經(jīng)網(wǎng)絡對圖片進行訓練，從而對待測織物圖片進行瑕疵檢測。已公開的論文(“Sub-Image?Anomaly?Detection?with?Deep?PyramidCorrespondences”)采用的深度特征金字塔結構，通過對比特征金字塔中的所有特征層進行異常區(qū)域定位。
上述發(fā)明需要大量的瑕疵樣本進行特征提取，在實際生產(chǎn)中得到大量的瑕疵樣本集是較為困難的，另一方面上述論文對織物瑕疵區(qū)域進行精準的定位，但特征對比的計算量較大，準確性一般。
發(fā)明內(nèi)容
本發(fā)明所要解決的技術問題是：通過距離度量與余弦相似性相結合，解決織物異常判別準確性低的問題；將粗略異常像素分數(shù)圖進行高斯模糊消除干擾點得到異常像素分數(shù)圖，通過閾值比較，解決織物異常定位準確性低的問題。
本發(fā)明所采用的技術方案：一種基于特征匹配的織物異常區(qū)域檢測方法，包括以下步驟：
S1、織物圖像特征提取；S1包括如下步驟：
S11、獲取織物訓練集，訓練集樣本由正常圖像組成；
S12、用經(jīng)過ImageNet預訓練的Wide-ResNet-50-2特征提取網(wǎng)絡作為特征提取器α，對訓練集樣本進行特征提取；將每張訓練集樣本經(jīng)特征提取器α中的第一個卷積組和第三個卷積組的輸出作為異常區(qū)域定位特征，分別記為將經(jīng)特征提取器α的第四個卷積組池化后的輸出作為存在異常區(qū)域的判別特征，記為xa；
由所有訓練集樣本的xa生成特征集合Xa；
S13、使用特征提取器α對待測圖像y進行特征提取，其中，將待測圖像y在特征提取器α中的第一個卷積組和第三個卷積組的輸出作為異常區(qū)域定位特征，分別記為將經(jīng)特征提取器的第四個卷積組池化后的輸出作為圖像存在異常區(qū)域的判別特征，記為ya；
S2、織物圖像異常判別；所述S2包括如下步驟：
S21、在特征集合Xa中檢索與待測圖像y中的特征ya距離最接近的k個訓練特征并保存與其對應的k個特征與
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于常州大學，未經(jīng)常州大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110777751.4/2.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
