[发明专利]基于层次聚类和Gabor滤波的纺织品瑕疵检测方法

摘要

本发明提供一种基于层次聚类和Gabor滤波的纺织品瑕疵检测方法，通过结合层次聚类算法和Gabor滤波器组，分析基于照明光源下平坦纺织品表面的数字图像像素灰度信息，自动定位纺织品表面瑕疵，主要步骤包括类格图案分割，特征提取和特征比较三部分。本发明特别适用于自动识别在稳定照明光源下采集的纺织品平坦表面的数字图像中的纺织品表面瑕疵，是一种基于层次聚类算法的从纺织品图像中自动分割类格图案，并基于Gabor滤波器组对类格图案进行特征提取与瑕疵识别的方法。

主权项

1.一种基于层次聚类和Gabor滤波的纺织品瑕疵检测方法，其特征在于，包括以下步骤：输入灰度化的纺织品图像；类格图案分割：分割纺织品图像产生类格图案，类格图案满足：相对于纺织品图像的行和列，类格图案按图像行的方向横向排列，并按列的方向纵向排列；在形态成分分析方法的纺织品图案卡通成分I_C中，类格图案具有几何形状并与背景像素在灰度上有显著差异；其中，类格图案是指在I_c中，根据S_h中行索引对应的行与S_v中列索引对应的列，将I_c分割为矩形区域，矩形区域称为类格图案，其中S_h中行索引对应的行与S_v中列索引对应的列不包含在类格图案里；特征提取：将类格图案与Gabor滤波器组的滤波进行卷积，对卷积结果降维得到一维投影并计算其能量和振幅，根据能量和振幅计算特征向量；计算一维投影之间的车贝雪夫距离，挑选每行类格图案的典型无瑕疵类格图案，根据典型无瑕疵类格图案的特征向量计算理想特征向量；每个类格图案特征向量与理想特征向量间的车贝雪夫距离为所提取的特征；和特征比较：分析特征提取步骤中得到的基于特征向量的车贝雪夫距离直方图，获取表示有瑕疵的像素索引集合。具体步骤为：步骤(1)：输入灰度化的纺织品图像，通过形态学成分分析方法计算输入图像的卡通成分I_c；步骤(2)：使用阈值f_c·max(I_c)二值化卡通成分I_c得到二值图像I_tc，其中，f_c为阈值系数，max(I_c)表示I_c中像素的最大灰度值；步骤(3)：计算二值图像I_tc中各行背景像素数的多重集各列背景像素数的多重集计算各行背景像素数的多重集和各列背景像素数的多重集的峰值和步骤(4)：分别计算基于步骤(3)中的峰值和的HC算法轮廓系数，以最大轮廓系数对应的聚类个数初始化基于层次聚类算法，并对峰值和分别进行聚类，得到的聚类中心构成多重集和步骤(5)：根据多重集和计算阈值和分别计算中不小于的峰值所对应行索引的间距和中不小于的峰值所对应列索引的间距，计算构成稳定行间距的最长连续行索引的集合S_h以及构成稳定列间距的最长连续列索引的集合S_v；其中，将中元素按降序排列，从开始，计算其与下一个元素的差的绝对值，若该值不大于离散余弦变换尺寸的高，则继续计算当前元素与下一个元素的差的绝对值并与离散余弦变换尺寸的高比较，若不大于则继续，若大于则下一个元素为并终止；如果一直没有出现大于离散余弦变换尺寸的高的情况，则即为将中元素按降序排列，从开始，计算其与下一个元素的差的绝对值，若该值不大于离散余弦变换尺寸的高，则继续计算当前元素与下一个元素的差的绝对值并与离散余弦变换尺寸的宽比较，若不大于则继续，若大于则下一个元素为并终止；如果一直没有出现大于离散余弦变换尺寸的宽的情况，则即为离散余弦变换尺寸：形态学成分分析方法在图像局部应用离散余弦变换，即首先将图像划分为不重叠且具有固定大小的矩形区域，然后对每个区域应用离散余弦变换，矩形区域的大小称为离散余弦变换尺寸，单位为像素，区域内一行的像素数称为离散余弦变换尺寸的宽，一列的像素数称为离散余弦变换尺寸的高；步骤(6)：扩展集合S_h和集合S_v以覆盖图像的卡通成分I_c的大部分区域，并计算类格图案的理想行数和理想列数步骤(7)：根据集合S_h和集合S_v将图像的卡通成分I_c分割为类格图案其中1≤i≤|S_h|‑1，1≤j≤|S_v|‑1，使用Gabor滤波器组与类格图案卷积并计算一维卷积投影G_i，j|s，θ，根据一维卷积投影G_i，j|s，θ的能量和振幅构建特征向量其中i和j分别是类格图案以类格图案为单位的行与列索引；表示尺度参数，表示角度参数；步骤(8)：计算类格图案与第i行类格图案之间基于一维卷积投影G_i，j|s，θ的车贝雪夫距离，结果保存为矩阵的第j行，根据矩阵计算第i行类格图案的典型无瑕疵类格图案步骤(9)：计算第i行类格图案的典型无瑕疵类格图案与第i行类格图案之间基于特征向量的车贝雪夫距离，结果保存为矩阵的第i行，根据矩阵计算第i行的典型无瑕疵类格图案的距离之和d_i；步骤(10)：根据距离之和d_i筛选第i行的典型无瑕疵类格图案基于筛选结果计算理想特征向量其中，理想特征向量为S^*的均值；为每行的典型类格图案的特征向量，i为类格图案行索引；其中表示按i的索引顺序进行连接；d_i为距离向量d中的第i个元素，表示与所有典型图案的车贝雪夫距离之和，典型图案是指每行的典型无瑕疵类格图案；步骤(11)：计算特征向量和理想特征向量的车贝雪夫距离，结果保存为矩阵中索引为(i，j)的元素其中i为类格图案行索引，j为类格图案列索引；步骤(12)：计算矩阵的直方图步骤(13)：基于距离阈值d^*和直方图计算缺口值t′和断崖值t＂，根据缺口值t′和断崖值t＂近似表示真实阈值t^*；步骤(14)：所有对应车贝雪夫距离真实阈值t^*的类格图案.被标记为有瑕疵的类格图案输出其中i为类格图案行索引，j为类格图案列索引。