[发明专利]基于图像处理的纺织品质量检测方法

权利要求书

1.基于图像处理的纺织品质量检测方法，其特征在于，该方法包括以下步骤：

采集纺织品图像，通过语义分割获得目标区域；

提取所述目标区域的边缘，得到边缘二值图；将所述边缘二值图转换到霍夫空间中，构造高亮点在不同方向上的拓扑图结构；基于所述拓扑图结构，对所述高亮点进行聚类，得到多个高亮点类别；

通过金字塔采样过程中不同高亮点类别的变化，从高亮点类别中筛选出异常类别；在所述纺织品图像上对异常类别进行定位，得到异常区域；根据所述异常区域对纺织品进行评价。

2.根据权利要求1所述的基于图像处理的纺织品质量检测方法，其特征在于，所述提取所述目标区域的边缘，得到边缘二值图，包括：

利用canny边缘检测算法，提取所述目标区域的边缘，得到边缘二值图。

3.根据权利要求1所述的基于图像处理的纺织品质量检测方法，其特征在于，所述将所述边缘二值图转换到霍夫空间中，构造高亮点在不同方向上的拓扑图结构，包括：

构建高亮点数量直方图；通过高亮点数量直方图得到不同横坐标对应的高亮点的数量信息，对所述高亮点数量直方图进行多阈值分割，得到不同的横坐标类别，计算不同横坐标类别中高亮点数量最大值，将归一化后的高亮点数量最大值作为所述横坐标类别的高亮点数量最大性；计算不同横坐标类别中高亮点的投票值均值最大值，将归一化后投票制均值最大值作为所述横坐标类别的高亮点值最大性；计算每个横坐标类别对应的高亮点数量最大性和投票值均值最大值的乘积，作为第一乘积；将霍夫空间中最大的第一乘积对应的横坐标类别的类别横坐标均值在边缘二值图上对应的方向，作为第一方向；将霍夫空间中第二大的第一乘积对应的横坐标类别的类别横坐标均值在边缘二值图上对应的方向，作为第二方向；

构建高亮点在所述第一方向和所述第二方向上的拓扑图结构。

4.根据权利要求1所述的基于图像处理的纺织品质量检测方法，其特征在于，所述基于所述拓扑图结构，对所述高亮点进行聚类，得到多个高亮点类别，包括：

基于拓扑图结构，将相连接的高亮点的欧式距离作为边权值，利用拉普拉斯图聚类方法对高亮点进行聚类，得到多个高亮点类别。

5.根据权利要求3所述的基于图像处理的纺织品质量检测方法，其特征在于，所述通过金字塔采样过程中不同高亮点类别的变化，从高亮点类别中筛选出异常类别，包括：

将所述第一方向和所述第二方向对应的两个横坐标类别中，高亮点数量最大值较大的横坐标类别作为第一类别；高亮点值最大性较大的横坐标类别作为第二类别；

计算每次采样后高亮点对应的第二方向下拓扑图结构中不同高亮点类别与原始的边缘二值图对应的拓扑图结构中不同类别的匹配关系，所述匹配关系的计算过程为：计算得到每个高亮点类别中所有高亮点的纵坐标的均值，得到均值序列，对所述均值序列进行降序排列，根据降序序列中的顺序赋予每个高亮点类别标号；将每次采样前后标号相同的高亮点类别进行数量匹配，当标号相同的高亮点类别内的数量相同时，匹配度为一；当标号相同的高亮点类别内的数量不相同时，匹配度为零；

当所述匹配度为零的高亮点类别的类别数量的占比小于预设异常数量阈值时，将所述匹配度为零的高亮点类别作为异常类别。

6.根据权利要求1所述的基于图像处理的纺织品质量检测方法，其特征在于，所述在所述纺织品图像上对异常类别进行定位，得到异常区域，包括：

边缘二值图对应的霍夫空间中对每个异常类别进行直方图统计，得到每个横坐标对应的高亮点数量，计算得到当前采样对应的霍夫空间中每个类别的直方图，相减得到差值不为0的值对应的横坐标，作为异常高亮点对应横坐标，在边缘二值图对应的霍夫空间中计算得到异常类别中横坐标对应高亮点的纵坐标值的降序排序，计算降序排序后一个纵坐标值与前一个纵坐标值的比值，得到比值序列；获取每个采样层对应的比值序列，比较相邻采样层对应的两个比值序列，将两个比值序列中消失的比值对应的边缘二值图中的高亮点作为异常高亮点；

将异常高亮点对应的区域作为所述纺织品图像对应的灰度图上的掩膜区域；对所述掩膜区域进行分割得到前景区域和背景区域，将所述前景区域作为异常区域。

7.根据权利要求1所述的基于图像处理的纺织品质量检测方法，其特征在于，所述根据所述异常区域对纺织品进行评价，包括：

获取纺织品图像上异常区域内像素点数量的占比，所述占比大于预设异常占比阈值的纺织品图像对应的纺织品为质量异常的纺织品。