[发明专利]一种基于主元分析的图像分析方法及应用于织物瑕疵检测的方法

权利要求书

1.一种基于主元分析的图像分析方法，其特征是包括训练阶段和分析阶段两部分，具体步骤为：

训练阶段

1)将无瑕疵的图像有重叠地划分成m行n列大小的子窗口；将子窗口中的灰度值按行和按列的方式展开成两组m×n维的列向量，并视这两组m×n维列向量为两组随机向量，记得到相应的两组随机向量为x_h和x_v；对随机向量x_h和x_v进行模板操作，将模板操作后随机向量x_h和x_v进行主元分析，得到相应的主元矩阵记为W_H和W_V；

2)将无瑕疵的图像连续无重叠地划分成m行n列大小的子窗口；将子窗口中的灰度值按行和按列的方式展开成两组m×n维列向量，记得到相应的两组m×n维列向量记为y_h和y_v；对y_h和y_v进行模板操作，将相应模板操作后的结果分别右乘矩阵和矩阵得到相应两组新的m×n维的列向量记为y′_h和y′_v；计算y_h和y′_h，y_v和y′_v的之间的相似度，得到相应的两个相似度为S_h和S_v，并记S＝S_h+S_v；计算所有子窗口的S值，然后计算S值的累计分布函数F(S)，令F(S′)＝α，α为置信水平，将此时α所对应的S′值作为分析用阈值T_α即有T_α＝S′；

分析阶段

3)将待分析的图像连续无重叠地划分成m行n列大小的子窗口；选取一个子窗口，并将子窗口中的灰度值按行和按列的方式展开成两组m×n维的列向量，记得到相应的两组m×n维的列向量记为f_h和f_v；对为f_h和f_v进行模板操作，将相应模板操作后的结果分别右乘到矩阵和矩阵得到相应两组新的m×n维的列向量记为f′_h和f′_v；计算f_h和f′_h，f_v和f′_v的之间的相似度，得到相应的两个相似度为K_h和K_v，并记K＝K_h+K_v；如果K小于阈值T_α，则认为该样本为瑕疵样本；

其中，所述的相似度的衡量指标为余弦距离、欧式距离或信噪比；m×n优选32×32。

2.根据权利要求1所述的一种基于主元分析的图像分析方法，其特征在于，所述的有重叠地划分是指行方向相邻两个子窗口起始位置之间的水平位置相距1～[n/2]个像素，列方向相邻两个子窗口连续无重叠的划分方式所得到；或者列方向相邻两个子窗口起始位置之间的垂直位置相距1～[m/2]个像素，行方向相邻两个子窗口连续无重叠的划分方式所得到。

3.根据权利要求1所述的一种基于主元分析的图像分析方法，其特征在于，所述的图像为位深度为8位灰度图像。

4.根据权利要求1所述的一种基于主元分析的图像分析方法，其特征在于，所述的模板操作是指采用长度为3的一维模板：

M=0.450.100.45]]>

与原向量做卷积。