[发明专利]一种基于最优阈值分割的织物疵点检测方法

说明书

技术领域

本发明涉及织物图像的疵点检测方法，具体涉及使用最优阈值分割方法对织物疵点图像进行疵点检测和定位，属于纺织品图像处理领域。 

背景技术

在纺织产品中，织物疵点是影响纺织品价格的重要因素。据市场调查，有疵点的产品的价格要降为正常产品价格的45%-53%。因此织物疵点检测是织物生产过程中的一个关键环节。传统的织物疵点检测是由人工完成的，人工检测速度慢，漏检、误检率高，而且检测结果受工人的主观影响大，不能满足实时检测的要求。 

近年来，随着计算机及图像处理技术的发展，基于计算机视觉的自动验布系统已逐步进入实际应用，国外主要产品有以色列Evs公司的I-TEX验布系统、比利时Barco公司的Cyclops在线布匹检测系统和瑞士Uster公司的Fabriscan验布系统等，国内主要有无锡动视科技有限公司和上海恒意得信息科技有限公司生产的织物疵点检测装置等。在工业生产过程中，布匹的生产速度快且表面纹理较为复杂，产品的质量易受光照等外在条件的影响，目前已有系统稳定性较差，实际应用中的适应能力和对疵点的识别能力也很有限。 

对于织物疵点检测装置，疵点检测算法是整个系统的核心，影响着系统的性能。实际上，对于织物疵点检测目的就是将织物图像分割为背景及疵点两部分，因此采用阈值分割技术有望解决这类问题。阈值分割方法的工作原理：用一个或几个阈值将图像的灰度级分为几部分，将隶属于同一部分的像素视为相同的区域，这样就可以把图像分成两个或多个区域。目前已有阈值分割方法分为：迭代法、双峰法、最大类间方差法、波谷强调法等。 

基于迭代法阈值分割技术首先将图像平均灰度设为初始阈值，将图像像素分为两部分，然后计算两部分各自的平均灰度，然后通过各自平均灰度求出全局阈值，再采用全局阈值对图像像素进行分类，重复以上过程，直至收敛，该类方法可以通过自动选取阈值，将图像分为目标和背景区域，然而图像细微处的区分度并不好（参考文献[1]:沈圆，李国勇.图像的阈值分割法设计[J].机械工程与自动化，2012，5：45-46；[2]:卜涛涛，卢超.图像分割算法研究[J].电脑知识与技术，2010，6(18)：1944-1946.）。双峰法根据图像灰度直方图的分布，选取波谷处的灰度值作为阈值对图像进行分割（参考文献[3]:杨修国.关于直方图双峰法的研究与改进[J].电子设计工程，2012，20（12）：176-179.），该类方法仅对背景简单、具有双峰分布的织物图像检测有效。最大类间方差法（参考文献[4]:Otsu,N..A threshold selection method from gray-level histograms.IEEE Transactions on Systems Man Cybernet SMC,1979,9(1):62-66.）将处于背景区域的像素值与处于目标区域的像素值分为两类，并试图找寻一个阈值，使得分割后两类像素值的类间方差最大，该类方法在具有明显波峰及波谷的图像上取得了较好的实验结果，但是对于具有较小的织物疵点或者背景纹理 较为的复杂的图像检测效果较差。Hui-Fuang Ng.（参考文献[6]:Hui-Fuang Ng.Automatic thresholding for defect detection[J].Pattern Recognition Letters，2006，27：1644–1649.）通过对图像直方图的观察，得出图像的最优分割阈值往往以较大概率出现在直方图的波谷位置（该像素值出现的概率较小）。该方法通过将像素类间方差判据公式乘以一个权值，对判据值进行加强，该权值为所求阈值出现的概率。如果权值较小，该值为最优阈值的可能性就越大，则乘以的权值较大；否则乘以的权值较小。该方法在有限的织物图像集上取得了较好的结果。由于该类方法仅考虑了类间方差，当织物图像纹理复杂或光照不均匀时，不能把疵点正确的分割出来。 

发明内容

本发明的目的是为了解决上述技术中存在的问题，提出一种基于最优阈值分割的织物疵点检测算法，该方法在阈值选取时，不但考虑像素类间方差，同时引入了类内距离，并采用权值进行加强，实现对织物疵点的正确检测，具有较强的适应性。算法包括两个阶段，具体如下： 

一：最优阈值选取 

具体包括以下几个步骤： 

步骤1.图像分类 

通过设定初始阈值T，把图像分为两类； 

步骤2.两类像素的灰度均值和整幅图像平均灰度计算