[发明专利]基于多核支持向量机的无纺布表面小缺陷检测方法

说明书

本发明是一种基于多核支持向量机的无纺布表面小缺陷检测方法，属检测技术领域。该方法采集具有代表性的无纺布图像，获取高分辨率的原始图像；对原始图像进行灰度变换和滤波去噪预处理；计算求出相对应的灰度共生矩阵，使用该矩阵对预处理后的图像进行图像纹理特征的提取和分析；选择合适的基核函数进行组合，得到新的核函数，对核函数的参数进行优化；构建基于新的核函数的多核支持向量机模型，使用该向量机对待检测图像进行分类，完成缺陷识别。本发明使用多核支持向量机对图像中的小缺陷进行检测，没有庞大的计算量，具有很好的检测性能。采用本发明方法进行无纺布表面小缺陷检测，可获得较高的信噪比，且背景抑制能力较强。

技术领域

本发明涉及一种表面缺陷检测技术，特别是一种基于多核支持向量机的无纺布表面小缺陷检测方法。

背景技术

无纺布，作为一种新型的环保布，具有透气性好、防潮、柔软、轻盈、无助燃性、易于分解、无毒无刺激性、可循环使用和价格低廉等优点，是一种使用非常广泛的布匹材料。我国是无纺布的生产大国，不仅能满足国内市场的巨大需求，而且在国外市场上占有庞大的份额。为了保证无纺布的品质，在实际生产过程中，对无纺布表面进行缺陷检测，将带有缺陷的产品剔除，就显得极其重要。近年来，机器视觉和数字图象处理技术得到了高速发展，在布匹的生产工业中，人们已经利用这些技术成功地实现了对布匹表面进行缺陷检测(李刚,杨欣,徐胜利.基于机器视觉布匹瑕疵检测方法-综述[J].2012.)。但是对于无纺布表面的小缺陷，因无纺布纹理复杂，同时小缺陷的面积小，缺乏纹理特征，导致了其检测非常困难。现有的小缺陷检测大多是基于纹理分析的，检测的性能并不够好。Vapnik在1992年提出了支持向量机(Support Vector Machine,SVM)的最初模型(Boser B E,GuyonI M,VapnikV N.A training algorithm for optimal margin classifiers[J].The Workshop onComputational Learning Theory.1992:144-152.)，然后人们在其基础上提出了多核支持向量机(multiple kernel SVM，MK-SVM)，与单核支持向量机相比具有更好的灵活性和更强的适应能力与泛化能力，能处理分布复杂或不均匀的样本数据。因此，使用多核支持向量机检测无纺布表面的小缺陷是一种行之有效的方法。

发明内容

本发明要解决的技术问题是针对现有技术的不足，提出一种新的图像小目标检测方法，来解决无纺布表面小缺陷的检测困难问题，实现对无纺布生产中的常见缺陷例如:破洞、污渍、异物和油渍等疵点的检测。该方法可以提高无纺布表面小缺陷检测的检测品质。

为实现上述目的，本发明提出了一种基于多核支持向量机(MK-SVM)的无纺布表面小缺陷检测方法，其特点是：

第一步，采集具有代表性的无纺布图像，获取高分辨率的原始图像，并统一图像的尺寸大小；

第二步，对原始图像进行灰度变换和滤波去噪预处理；

第三步，计算求出相对应的灰度共生矩阵，使用该矩阵对预处理后的图像进行图像纹理特征的提取和分析；

第四步，选择合适的基核函数进行组合，得到新的核函数，对核函数的参数进行优化；

第五步，构建基于新的核函数的多核支持向量机模型，使用该向量机对待检测图像进行分类，完成缺陷识别。

以上所述的基于多核支持向量机的无纺布表面小缺陷检测方法，其进一步优选的技术方案是：采集具有代表性的无纺布图像，其具体步骤是：分别采集带网格无纺布与无网格无纺布的有缺陷与无缺陷的图像，然后将所有图像的尺寸统一为512×512。

以上所述的基于多核支持向量机的无纺布表面小缺陷检测方法，其进一步优选的技术方案是：对图像进行预处理，其具体步骤是：先对图像进行直方图均衡化增加图像对比度，然后对图像进行高斯滤波去除噪声，具体的公式为：和