[发明专利]一种用于表征织物纹理的基于Sobel算子的概貌与细节混合特征向量提取方法

说明书

技术领域

本发明属于数字图像处理和模式识别领域，特别涉及一种用于表征织物纹理的基于Sobel算子的概貌与细节混合特征向量提取方法。

背景技术

借助织物纹理表征技术能够实现织物纹理参数估计、纹理分类、织物外观评价、瑕疵检测等等目的。任何织物纹理都包含两方面的重要信息，即概貌信息和细节信息。概貌信息为人眼或机器视觉提供总体的粗略的结构和灰度印象，而细节信息则提供局部的精细的结构和灰度印象。因此，要全面和细致地表征纹理结构，最大限度地反映纹理特点，在特征提取时就必须兼顾纹理的概貌和细节信息。为了便于表述，本申请拟将那些主要反映概貌信息的特征称为概貌特征，而将那些主要反映细节信息的特征称为细节特征。显然，概貌特征和细节特征各有侧重，具有极大的互补性。本发明旨在讨论基于Sobel算子滤波理论的概貌和细节混合特征向量提取方法，用以表征织物纹理。

Sobel算子是图像处理中的算子之一，主要用作边缘检测。在技术上，它是一离散性差分算子，用来运算图像亮度函数的梯度之近似值。在图像的任何一点使用此算子，将会产生对应的梯度矢量。Sobel算子有两个，一个检测水平边缘，另一个检测垂直边缘。Sobel算子在图像空间利用两个3×3的方向模板或者说卷积核与图像中每个点进行邻域卷积来完成边缘检测，这两个方向模板其中一个通过近似垂直方向梯度而增强图像的水平方向边缘，另一个则通过近似水平方向梯度而增强图像的垂直方向边缘。Sobel水平和垂直边缘增强模板分别为

Tx=121000-1-2-1]]>

和Ty=10-120-210-1]]>

在织物纹理的Sobel算子表征领域，尚未见到有关的国内文章或专利报道。为了检测织物缺纬瑕疵，美国的Jasper和Potapalli采用Sobel水平滤波算子对织物图像进行了滤波处理，但仅仅提取了Sobel滤波后的边缘图像剖面图，未进行更深入的纹理表征分析，且只涉及一个Sobel滤波算子。为了检测织物瑕疵，Lane在其申请的美国国家专利中提出了一种采用Sobel算子和数学形态学相结合的纹理表征方法，其方法为，首先对原图像进行Sobel水平和垂直滤波，然后对两个滤波图像进行融合，然后将该图像二值化处理，接着进行二值化图像的数学形态学处理，最后以边界点作为表征纹理的特征。该报道没有考虑以纹理周期基本循环长度作为特征提取的依据，没有说明二值化阈值的选取方法，所提取的单一特征也仅仅涉及边界点像素数量，并且未明确定义边界点的含义，未考虑边界点在图像中的分布情况。