[发明专利]一种基于积分图算法的织物瑕疵检测方法

说明书

一种基于积分图算法的织物瑕疵检测方法，利用积分图算法快速提取梯度能量统计特征用于瑕疵检测，首先通过对无瑕疵模板进行图像学习，统计其梯度能量特征分布，提取分布峰值，再自适应求取阈值参数用于后续瑕疵的区分；然后，对待检测图像通过积分图算法求取每个像素点所在窗口的梯度能量，结合所述阈值参数，判定当前像素点是否疵点，通过统计整幅图像的疵点总数来判定当前图像是否为瑕疵织物。本发明一方面基于积分图加速运算的原理，快速提取织物图像的梯度能量特征分布，实现织物瑕疵的实时检测，另一方面求解分布峰值获得自适应的瑕疵判定阈值参数，实现织物瑕疵的准确分割。本发明方法既能保证实时性又具有较高正确率。

技术领域

本发明涉及机器视觉与视频图像处理技术领域，具体为一种快速的基于积分图算法的织物瑕疵检测方法。

背景技术

传统纺织行业的瑕疵检测多以人工肉眼检测为主，然而人眼视觉易疲劳导致漏检、人工观察效率低、人力成本代价大，这与大规模工业化生产极不协调，利用计算机视觉和图像处理算法自动进行织物瑕疵检测，能有效解决这一问题。

基于图像滤波的方法在频域提取织物纹理特征来进行瑕疵检测，如Gabor滤波、小波变换，由于瑕疵尺度方向未定，滤波时往往需要提取多个尺度多个方向的结果作为特征向量，即便采用PCA降维方法，单帧图像检测时间仍需数十秒；基于信号统计的方法在空间域统计织物灰度分布特征来识别瑕疵，如局部二值模式(Local Binary Pattern，LBP)特征、灰度共生矩阵特征、规则带(Regular Band，RB)特征等，统计特征具有较好鲁棒性，但统计特征提取时一般需要利用邻域多个像素数据，如不采用合适的加速策略将导致整体运算量骤增；对织物图像直接阈值化来分割瑕疵的方法操作简单、运算较快，但是仅对平纹、斜纹等灰度均匀、无纹理图案的织物有效，且易受噪声干扰。为实现自动瑕疵检测算法的工业化应用，实时性和正确率都需满足，而据统计，仅有少部分算法能够满足实时性，而其中检测正确率高于90％的算法更少。

本发明提出一种基于积分图的快速织物瑕疵检测方法。利用积分图将任意大小的图像块内的求和运算化简为三次加法运算，快速提取梯度能量统计特征，极大减小运行时间开销，并利用核函数拟合非对称特征分布获得自适应的瑕疵判定阈值，实现瑕疵区域的准确分割。

发明内容

本发明要解决的问题是：现有织物瑕疵检测系统依赖人眼观察，效率低下；现有通过各种复杂算法进行高正确率的织物瑕疵检测的方法运算量较大，不满足工业生产的实时性要求；现有能够快速检测织物瑕疵的方法仅能应对简单织物图像，对复杂纹理织物效果较差。总而言之，现有方法难以做到高实时性和高正确率的兼容。

本发明的技术方案为：一种基于积分图算法的织物瑕疵检测方法，利用积分图算法将任意大小的图像块内的求和运算化简为三次加法运算，以快速提取梯度能量特征用于瑕疵检测，具体为：首先通过对无瑕疵模板进行图像学习，统计其梯度能量特征分布，所得特征分布非对称，采用核函数拟合特征分布，结合均值漂移法提取分布的峰值，再由峰值自适应求取阈值参数，所述阈值参数用于后续瑕疵的区分；然后，对待检测图像，通过积分图算法求取每个像素点所在检测窗口的梯度能量，结合所述阈值参数，判定当前像素点是否疵点，通过统计整幅图像的疵点总数来判定当前图像是否为瑕疵织物，

其中，梯度能量特征的提取方法为：首先求取原始图像F(x,y)的梯度图G(x,y)，再利用积分图算法求取G(x,y)的梯度能量特征图E(x,y)，对任意像素点(x,y)，其能量特征是以点(x,y)为中心的大小为dw*dh的窗口区域内的像素积分。

利用积分图算法求取G(x,y)的梯度能量特征图E(x,y)的具体步骤为：

1)求取G(x,y)的积分图I(x,y)

I(x,y)＝I(x-1,y)+I(x,y-1)-I(x-1,y-1)+G(x,y) (1)

2)根据积分图的特性，对任意点(x,y)求取其梯度能量特征图E(x,y)：