[发明专利]基于纹理梯度的纺织品缺陷检测算法

说明书

技术领域

本发明涉及一种基于纹理梯度的纺织品缺陷检测算法。

背景技术

纺织品质量控制在纺织品工业生产中占据了重要地位。尽管现代纺织机器的优点已经大幅地降低了纺织品缺陷的出现概率，但是制造过程仍然不可能100%的无缺陷。各种不同类型的纺织品缺陷明显地影响了纺织品的外观，在一定程度上，对纺织品的销售造成了影响。据统计，45%～65%的纺织品的降价原因是纺织品瑕疵。因此，纺织品缺陷检测是纺织品工业中必要且重要的环节。

现阶段，纺织品缺陷检测主要依靠人工的方式，因此检测质量的好坏严重地依赖于主观经验、判断力和注意力。人工的检测方式，花费昂贵、劳动量繁重，更重要的是这种人工的检测方式并不能准确地检测出纺织品缺陷。据统计，仅有50～70%的缺陷可以通过人工视觉判断，而人工检测纺织品缺陷的有效率低于80%。

发明内容

本发明是为避免上述已有技术中存在的不足之处，提供一种基于纹理梯度的纺织品缺陷检测算法，以准确快速地识别纺织品的缺陷部位、提高纺织品质量。

本发明为解决技术问题采用以下技术方案：

基于纹理梯度的纺织品缺陷检测算法，其包括以下步骤：

步骤1：利用非局部均值滤波对纹理图像进行纹理增强，消除噪声及不相关的细节，增强纹理细节的表现力，恢复原始图像结构；

步骤2：对纹理增强后的纺织品图像进行处理，计算获得纺织品图像的纹理梯度图像；

步骤3：构造纹理梯度图像的特征模型；

步骤4：利用纹理分水岭的计算方法分割纹理梯度图像，获得该图像的初始分割，得到具有相同特征的均匀区域，然后构造RAG（RAG：region adjacency graph，区域邻接图）用于表示MLL关系模型（multi-level logistic model，多级逻辑模型）中的各个区域，并利用MLL关系模型描述各区域之间的相互作用；

步骤5：在获得的特征模型和MLL关系模型的基础上，利用模拟退火算法最小化目标能量函数，获得最终的分割结果，即检测结果。

本发明的基于纹理梯度的纺织品缺陷检测算法的结构特点也在于：

所述步骤2中，所述计算获得纺织品图像的纹理梯度图像的过程包括如下步骤：

步骤Ⅰ：先利用无抽样小波变换，得到W(x,y)；选择第i个子带的小波变换

步骤Ⅱ：利用局部高斯平滑的方法预处理各子带小波系数，突出各子带纹理特征；对预平滑后得到的一组小波图像计算纹理梯度；E_i(x,y)是像素(x,y)经过预处理后的子带i的系数；特征向量TG(x,y)表示该位置每个像素的纹理特征；

步骤Ⅲ：利用多通道梯度信息融合各子带纹理梯度，获得纺织品图像的纹理梯度图像。

所述步骤4中，所述纹理分水岭的计算方法为：对获得纺织品图像的纹理梯度图像进行H-minima变换，然后利用标记分水岭算法完成图像分割。

与已有技术相比，本发明有益效果体现在：

本发明的基于纹理梯度的纺织品缺陷检测算法，基于纹理梯度的纺织品缺陷检测算法能够有效地区分缺陷区域和背景区域，对缺陷区域边界准确定位。利用图像处理和模式识别方法，纺织品自动检测方法可以为纺织品提供快速，客观且可信的评价。纺织品缺陷自动检测是对织物的质量进行控制和实现织布、验布工序自动化和无人化的关键环节，提高了纺织品缺陷检测的准确性、快速性，消除了人工视觉离线检测这种传统方法所存在的检测速度低、验布结果受验布人员主观影响较大、误检率和漏检率高等缺点。另外，纺织品缺陷自动检测的适应性很广，它能检测包括坯布、成品布、床单、服装面料、染色布、装饰布、工业用布、轮胎帘子布、劳动布等各类织物，提高了纺织品的质量、增强了出口竞争力，具有重要的社会和经济利益。

本发明的基于纹理梯度的纺织品缺陷检测算法，具有可快速准确地分辨出纺织品的缺陷、能检测多种织物、应用广泛、提高纺织品的质量等优点。

附图说明

图1为本发明所提出的基于纹理梯度的纺织品缺陷检测算法流程图。

图2为本发明所提出的纹理梯度算法的具体流程图。

图3为本发明所提出的纹理分水岭算法主要流程图。

以下通过具体实施方式，并结合附图对本发明作进一步说明。

具体实施方式

参见附图1，基于纹理梯度的纺织品缺陷检测算法，其包括以下步骤：