[发明专利]一种基于视觉数据驱动的织物疵点动态检测方法

说明书

技术领域

本发明属于织物疵点动态检测方法技术领域，具体涉及一种基于视觉数 据驱动的织物疵点动态检测方法。

背景技术

织物疵点检测是纺织品质量控制的最重要部分之一。目前，传统的织物 疵点检测是由人工离线检测完成。然而，人类注意力会受到时间、检测环境 以及心情等因素影响，很容易造成误检和漏检等缺陷。为了解决人工检测的 缺点，织物疵点自动检测成为近年来国内外学者研究的热点课题之一。随着 计算机、图像处理技术的发展，作为织物疵点检测关键技术的图像处理算法 必然成为研究的热点。

在空间域内，高斯马尔科夫随机场纹理模型对织物疵点进行了研究，利 用马尔科夫模型训练获得正常织物的该模型标准参数，通过比较被测试图像 的模型参数与标准参数之间的距离来判断是否存在疵点；但其方法计算复 杂、对噪声敏感、需要在线学习，因而不能实现织物疵点的快速自动检测(参 考文献[1]:Cohen F S,Fan Z,Attali s.Automated Inspection of Textile Fabric  Using Textile Models[J].IEEE Transactions on Pattern Analysis and Machine  Intelligence,1991,13(8):803-808.)。变换域内，傅立叶变换可用于疵点检测(参 考文献[2]:V.,Jayashree and Shaila Subbaraman.Identification of twill grey  fabric defects using DC suppress Fourier power spectrum sum features[J]. Textile Research Journal,2012,82(14):1485-1497.参考文献[3]：Abdel Sanlam  Malek,Jean-Yves Drean,Lauren Bigue,etc.Optimization of outomated online  fabric inspection by fast Fourier transform and cross-correlation[J].Textile  Research Journal,2013,83(3):256-268.)，但傅立叶变换是一种全局性的方法， 不能提供任何空间域的定位信息。小波变换具有多尺度分辨率特性，并在时 域、频域具有表征信号局部特征的能力，非常适合奇异信号的检测(参考文 献[4]:Tsai DM and Hsiao B.Automatic surface inspection using wavelet  reconstruction[J].Pattern Recognition；2001,34(6):1285–1305.)。基于遗传规划 的织物自适应正交小波基采用遗传规划算法结合适应度函数优选出自适应 小波基，以解决自适应小波基难以优选的问题(参考文献[5]:牛存才,王军, 张孝南等.基于遗传规划的织物自适应正交小波基的构造和优化[J].纺织学 报,2012,33(9):40-45.)。但这种算法必须先构造自适应正交小波库，计算量 很大，同时优选的小波基未必是最佳小波基。

通过上面分析可知，无论是空间域的疵点动态检测方法，还是变换域中 的傅立叶变换和小波变换方法，都是从算法本身出发，没有充分利用织物图 像本身数据驱动信息，不能有效增加织物疵点信息和背景信息之间的对比 度；因此，这些织物疵点检测准确率不高，容易受到外界环境影响，不具备 普适应，不能满足实际动态检测需要。

发明内容

本发明的目的是提供一种基于视觉数据驱动的织物疵点动态检测方法， 解决了现有技术中检测准确率不高、疵点分割不准确以及检测普适性不强的 问题。

本发明所采用的技术方案是，一种基于视觉数据驱动的织物疵点动态检 测方法，具体按照以下步骤实施：

步骤1，将采集的RGB空间的织物图像转换为HSV空间织物图像；

步骤2，提取图像的饱和度特征S和亮度特征V形成饱和度特征图和亮 度特征图；

步骤3，在步骤2中得到的饱和度特征图和亮度特征图上采用视觉数据 驱动形成显著图；

步骤4，在步骤3的基础上，由极差确定阈值并分割疵点信息；

步骤5，将分割出来的疵点信息融合成完整的疵点信息。