[发明专利]基于高斯混合模型的织物缺陷检测方法

说明书

本发明涉及织物缺陷检测领域，具体涉及基于高斯混合模型的织物缺陷检测方法。方法包括：对待检测织物的图像和无缺陷织物的图像进行分块处理，得到各第一分块图像和各参考分块图像；根据各第一分块图像与各参考分块图像的匹配数量比和平均匹配距离，计算匹配度；根据匹配度得到与各第一分块图像匹配度最大的参考分块图像；根据各第一分布曲线上各像素点与匹配度最大的参考分块图像的参考分布曲线上相匹配的像素点的概率密度，得到各第一分块图像的累计距离曲线；对累计距离曲线进行变点检测，若某第一分块图像的累计距离曲线存在变点，则根据变点的数量和像素值得到该第一分块图像的缺陷区域。本发明提高了织物缺陷的检测效率，降低了误检率。

技术领域

本发明涉及织物缺陷检测领域，具体涉及基于高斯混合模型的织物缺陷检测方法。

背景技术

织物是人们生活中必不可少的产品，主要分为针织布和梭织布。然而，在织造过程中，由于机械问题、纱线问题和加工问题等原因，生产出的织物表面会存在各种各样的缺陷，缺陷的存在会严重影响到产品质量的等级，从而影响企业的利益。因此为确保产品质量，织物缺陷检测是织物生产中自动化视觉检测和质量控制的核心部分。现有的织物缺陷检测主要还是由人工视觉离线检测来完成，该方法检测效率较低，检测结果受检测人员主观影响较大，误检率较高。

发明内容

为了解决现有方法检测织物缺陷时存在的效率较低的问题，本发明的目的在于提供一种基于高斯混合模型的织物缺陷检测方法，所采用的技术方案具体如下：

本发明提供了一种基于高斯混合模型的织物缺陷检测方法,该方法包括以下步骤：

获取待检测织物的图像和对应的无缺陷织物的图像；分别对待检测织物的图像和对应的无缺陷织物的图像进行分块处理，得到各第一分块图像和各参考分块图像；

计算各第一分块图像与各参考分块图像的匹配数量比和平均匹配距离；根据所述各第一分块图像与各参考分块图像的匹配数量比和平均匹配距离，计算各第一分块图像与各参考分块图像的匹配度；根据各第一分块图像与各参考分块图像的匹配度，得到与各第一分块图像匹配度最大的参考分块图像；

根据各第一分块图像中像素点的像素值，得到各第一分布曲线；根据各参考分块图像中像素点的像素值，得到各参考分布曲线；根据各第一分布曲线上各像素点与对应的匹配度最大的参考分块图像的参考分布曲线上相匹配的像素点的概率密度，得到各第一分块图像对应的累计距离曲线；

对所述各第一分块图像对应的累计距离曲线进行变点检测；若某第一分块图像对应的累计距离曲线存在变点，则根据对应变点的数量和变点对应的像素值得到该第一分块图像的缺陷区域。

优选的，计算各第一分块图像与各参考分块图像的匹配数量比和平均匹配距离，包括：采用如下公式计算各第一分块图像与各参考分块图像的匹配数量比：

其中，Mq为某第一分块图像与某参考分块图像的匹配数量比，n为该参考分块图像中特征点的数量，N为该第一分块图像中特征点的数量。

采用如下公式计算各第一分块图像与各参考分块图像的平均匹配距离：

其中，Md为某第一分块图像与某参考分块图像的平均匹配距离，d_a为该第一分块图像中第a个特征点和其在参考分块图像中相匹配的特征点的欧式距离。

优选的，采用如下公式计算各第一分块图像与各参考分块图像的匹配度：

M＝Mq*Md

其中，M为某第一分块图像与某参考分块图像的匹配度，Mq为该第一分块图像与该参考分块图像的匹配数量比，Md为该第一分块图像与该参考分块图像的平均匹配距离。

优选的，所述根据各第一分块图像中像素点的像素值，得到各第一分布曲线，包括：