[发明专利]一种基于多分形特征参数的织物瑕疵自动检测方法

摘要

本发明属于纺织品质量自动检测和控制领域，特别涉及一种基于多分形特征参数的织物瑕疵自动检测的方法。发明者依据计盒法估算分形维的有关原理及其中存在的问题并结合织物纹理图像固有的特点提取了四个新颖而有效的分形特征，利用由它们组成的特征向量并结合欧式距离检测器来检测织物瑕疵。本发明克服了传统上采用单一分形特征进行织疵检测的局限性，另外提高了工作效率，降低了劳动强度，在疵点定位精度高达2.5mm的情况下，误警率和漏检率可以同时控制在10％以内，与工业化大规模生产相协调。

主权项

1.一种基于多分形特征参数的织物瑕疵自动检测方法，包括下列步骤：(1)收集尽可能多的无疵织物图像，将它们都分割成32×32像素大小的不重叠子图，每一子图为一个训练样本；将所有这些正常样本的集合随机分割为大小近似相等的两个子集，一个用作训练集，一个用作确认集；(2)对上述每一样本进行直方图均衡化处理；(3)从各个样本中提取如下四个盒维数组成训练和检测用的分形特征组合：特征1：图像在盒子尺寸序列为3～7的情况下的分形维；特征2：图像在盒子尺寸序列为3～16的情况下的分形维；特征3：图像灰度值沿经纬两个方向投影序列组合的分形维，所用的方格尺寸序列为3～16；特征4：经LOG(也即高斯-拉普拉斯)算子滤波后的图像的分形维，观测盒子尺寸序列为3～7；(4)采用softmax数据归一化方法对特征向量进行归一化处理；(5)对检测器进行训练，即从训练集样本中计算得到正常样本归一化后的特征值的均值向量；(6)对确认集进行测试，以根据对误警率的期望值确定阈值大小；(7)对每一待检测的32×32像素的未知样本，都对其依次实施直方图均衡化、四个分形特征的提取、特征值softmax归一化处理，然后对该待测试的样本，计算其归一化特征值向量与均值向量的欧式距离，若超过设定的阈值，则认为该样本为异常样本，否则为正常样本。