[发明专利]基于稀疏表示的图像分解算法的织物瑕疵检测方法

权利要求书

1.基于稀疏表示的图像分解算法的织物瑕疵检测方法，其特征在于，包括以下步骤：

步骤1、采集多种织物图像；

步骤2、对织物图像进行直方图均衡化的预处理；

步骤3、对经过步骤2处理后的织物图像进行基于稀疏表示的建模，并分解为纹理部分和瑕疵部分；

步骤4、采用叠加二值化的方法对瑕疵部分进行图像分割，获得二值化图像检测结果。

2.根据权利要求1所述的基于稀疏表示的图像分解算法的织物瑕疵检测方法，其特征在于，所述步骤2的具体算法为：

式中：灰度级范围是[0,L-1],r_i是第i级灰度值，r_m是第m级灰度值，n是图像像素的总数，n_i是图像中灰度值为r_i的像素个数，P(r_i)是r_i的概率密度函数，T(r_m)是r_m的非线性变换函数，S_m是均衡化后m级像素的灰度值，对1-m级像素的灰度值进行映射得到直方图均衡化后的织物图像I。

3.根据权利要求2所述的基于稀疏表示的图像分解算法的织物瑕疵检测方法，其特征在于，所述步骤3的具体步骤为：

步骤3.1、采用盲源分离原理中的形态成分分析算法将直方图均衡化后的织物图像I进行稀疏表示建模，具体为：

将I表示为：

I＝I_t+I_d+N (2)

式中，I_d表示瑕疵部分，I_t表示纹理部分，N表示噪声部分；

采用纹理字典T_t对纹理部分I_t进行稀疏表示建模，T_t使用的是局部离散余弦变换：

式中，a_t表示纹理部分的稀疏系数，即为纹理部分经局部离散余弦变换后的系数，表示最优稀疏系数；

采用瑕疵字典T_d对瑕疵部分I_d进行稀疏表示建模，T_d使用的是曲波变换：

式中，a_d表示瑕疵部分的稀疏系数，即为瑕疵部分经曲波变换后的系数，表示最优稀疏系数；

忽略噪声部分和误差部分，织物图像基于稀疏表示的图像分解模型为：

步骤3.2、采用凸松弛法中的基追踪去噪算法，对织物图像基于稀疏表示的图像分解模型进行凸优化：

式中，ε表示残差项，取决于噪声能量和稀疏表示信号的模型误差；

步骤3.3、增加总变差正则化处罚项，对织物图像基于稀疏表示的图像分解模型进行校正：

式中，λ表示重构误差及噪声的权重系数，TV{T_dα_d}表示瑕疵部分的总变差正则处罚项，γ表示TV{T_dα_d}的权重因子；

求解式(7)得到后，分解后的纹理部分表示为分解后的瑕疵部分表示为

则基于稀疏表示的图像分解的目标函数为：

式中，T_t⁺＝T_t^T(T_tT_t^T)^-1，T_d⁺＝T_d^T(T_dT_d^T)^-1，T_t⁺为T_t的右伪逆矩阵，为T_d的右伪逆矩阵；

步骤3.4、使用块坐标松弛算法，对公式(8)中的分解过程交替进行优化，得到瑕疵部分I_d和纹理部分I_t。