[发明专利]一种基于最大熵与DBSCAN相融合的毛羽检测方法

说明书

本发明公开了一种基于最大熵与DBSCAN相融合的毛羽检测算法，具体为：首先，将待检测的纱线图像缩放至256×256像素，并将其转换为单通道BMP格式，并对纱线图像进行双边滤波处理，之后采用最大熵阈值分割纱线图像，再利用开运算处理经过最优阈值处理后的纱线图像，对纱线毛羽进行细化，最后采用密度聚类算法对细化后的纱线图像的毛羽进行处理，得到毛羽根数及长度。本方法在提取毛羽时利用最大熵阈值处理纱线图像，能够最大限度的保留毛羽的完整信息，避免造成毛羽在阈值过程中被分割断开的情况。同时，结合DBSCAN聚类算法统计出毛羽的根数及其每根毛羽的长度，精确度高，误差小。

技术领域

本发明属于纺织检测技术领域，具体涉及一种基于最大熵与DBSCAN相融合的毛羽检测方法。

背景技术

毛羽能够影响纱线和最终纺织品的外观和手感，如两根纬纱上的毛羽分布不同，会造成反光程度的差别，从而在布面上形成横档；毛羽不匀会导致染色不匀，毛羽多的地方颜色较深，少的地方颜色较浅，从而形成色差；毛羽多的纱线容易在加工过程中受摩擦而起球，从而降低纺织品的质量。若要形成高品质的纺织品，其根本在于生产出高质量的纱线，因此，关于纱线外观质量的检测和评估对提升纺织品质量起了决定性的作用。

目前，企业检测纱线毛羽主要依靠的是目测法和光电式毛羽检测仪，但这两种方法误差较大且成本较高。随着计算机技术及图像处理技术的迅速发展，图像处理技术被越来越多的研究人员应用在纱线毛羽方面检测。国内外有很多学者利用基于纱线条干画基准线的方法检测纱线毛羽长度，虽然针对纱线毛羽检测工作取得一些成绩，但这种方法在统计弯曲毛羽长度时无法计算出实际长度，普适性不足。孙银银等人采用视频显微镜与图像处理技术相结合的方法，选择条干上下边缘作为基准线，并将图像处理法的检测结果分别与目测法计数的结果和GY172A型光电分级统计法的结果相比较，得出基于图像处理的毛羽检测方法能够获得更准确和可靠的检测结果。但利用视频显微镜采集纱线图像，在工业生产中不适用。Fabijańska利用图像处理技术对毛羽图像进行处理实现毛羽的检测，虽然在处理过程中图像已经经过了锐化，但是在分割过程中部分毛羽仍然会被分类为背景。

基于以上研究发现，检测中仍存在两个问题：毛羽提取不完整和不能精确计算毛羽长度。最大熵阈值先将图像分为前景和背景，分别计算图像前景与背景的熵值，当两者之和达到最大的时候，此时对应的像素值为分割图像的阈值，能够完整的分割出前景，符合提取毛羽的要求。DBSCAN聚类算法是一种密度聚类算法，设定好领域大小以及领域内点的最小密度后则可得出类的个数以及每一类的大小，符合计算毛羽根数及长度的要求。

发明内容

本发明的目的在于提供一种基于最大熵与DBSCAN相融合的毛羽检测方法，解决了现有检测算法中毛羽提取不完整且不能精确计算毛羽长度的问题。

本发明所采用的技术方案是，一种基于最大熵与DBSCAN相融合的毛羽检测方法，具体按照以下步骤实施：

步骤1，将待检测的纱线图像缩放至256×256像素，并将其转换为单通道BMP格式；

步骤2，对经步骤1后得到的纱线图像进行双边滤波处理；

步骤3，采用最大熵阈值分割纱线图像；

步骤4，经步骤3后，利用开运算处理经过最优阈值处理后的纱线图像，提取纱线条干，再对纱线条干进行膨胀，利用最优阈值处理后的纱线减去膨胀后的纱线条干，得到纱线毛羽，最后，对纱线毛羽进行细化，得到细化后的纱线图像；

步骤5，采用密度聚类算法对细化后的纱线图像的毛羽进行处理，得到毛羽根数及长度。

本发明的特点还在于，