[发明专利]一种基于Laws纹理与单分类SVM结合的素色布匹缺陷检测方法

说明书

本发明提供一种基于Laws纹理与单分类SVM结合的素色布匹缺陷检测方法，采用线阵相机对运动中的布匹进行图像采集，对采集的布匹图像进行预处理；构造单分类SVM将非线性的训练数据映射到高维特征空间，在高维特征空间中构造出最优分离函数；利用采集的标准无缺陷布匹图像样本输入到单分类SVM，通过Laws纹理特征提取方法进行特征提取，并对提取的特征量进行训练；将现场采集的布匹图像进行预处理，输入单分类SVM，判别是否存在缺陷；若有缺陷，对判断后的图像进行局部二值化阈值分割以及形态学处理，最后得出检测结果。本发明提高了布匹缺陷的检测效率，降低成本以及减少对样本数量的需求。

技术领域

本发明属于布匹缺陷检测技术领域，具体涉及一种基于Laws纹理与单分类SVM结合的素色布匹缺陷检测方法。

背景技术

布匹缺陷是影响布匹质量控制的重要因素。国内绝大多数服装行业的布匹缺陷识别主要依靠传统的人工离线完成，存在工作量大、检测速度慢且准确度低等问题。

随着计算机和机器视觉技术的快速发展，使得布匹缺陷自动识别逐渐成为现实。对布匹缺陷的检测方法常见的有图像处理、频谱特征、傅里叶变换、Gabor滤波器、马尔科夫随机模型、神经网络和遗传算法等。就目前而言，已经有了很多的方法，而且还在不断涌现新的方法，但是能够应用到工业生产上的方法还是相对较少。而且这些方法普遍存在以下问题：工业化成本高昂、样本统计需求量大、效率低、局限性大。

(一)解决的技术问题

本发明的目的在于提供一种基于Laws纹理与单分类SVM结合的素色布匹缺陷检测方法，所要解决的问题是将单分类SVM应用于布匹缺陷的检测，从而提高布匹缺陷的检测效率，降低成本以及减少对样本数量的需求。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

一种基于Laws纹理与单分类SVM结合的素色布匹缺陷检测方法，包括以下步骤：

S1、通过采集的布匹图像，进行图像预处理包括：滤波处理、直方图均衡化进行去噪以及图像增强处理；

S2、建立单分类SVM，该单分类SVM的输入值为预处理后的布匹图像，采用纹理特征提取方法对输入的预处理后的图像进行特征提取，输出值为是否存在缺陷；

S3、将步骤1预处理后的布匹图像输入步骤S2所建立的单分类 SVM，实现判别布匹图像是否存在缺陷；

S4、若有缺陷，对步骤S1中预处理之后的图像进行局部自适应阈值二值化分割，局部自适应阈值二值化分割对光照不均的情况有显著的抑制效果；

S5、对步骤S4中二值化分割后的图像进行形态学运算，使得缺陷区域更加显著，去除噪声点的干扰；

S6、对步骤S5所得到的图像进行基于面积特征筛选缺陷区域，绘制缺陷区域的最小包围矩形，通过绘制的矩形得出缺陷区域的中心点。

进一步地，所述步骤S1使用双边滤波尽可能地保护边缘部分信息的情况下去除噪声，使用直方图均衡化对图像进行增强。

进一步地，所述步骤S1构造双边滤波器

权重系数ω(i,j,k,l)取决于定义核域

与值域核

的乘积,其中i,j是像素位置，k,l是邻域内像素位置，σ为方差，运用双边滤波器尽可能地保护边缘部分信息的情况下去除噪声。

进一步地，所述步骤S2单分类SVM建立方法如下：

S2.1、采集一组标准无缺陷的布匹图像，对该组布匹图像进行图像预处理包括：滤波处理、直方图均衡化进行去噪以及图像增强处理；