[发明专利]基于类格图案及其Gabor特征的纺织品瑕疵检测方法

说明书

技术领域

本发明涉及一种基于类格图案及其Gabor特征的纺织品瑕疵检测方法。

背景技术

传统的纺织品瑕疵人工识别准确率只有60-75％(K.Srinivasan,P.H.Dastoor,P.Radhakrishnaiah,et al..FDAS:a knowledge-based frameworkfor analysis of defects in woven textiles tructures,J.Text.Inst.83(1992)431–448.)，机器自动识别纺织品瑕疵的方法具有实际应用需求。平坦纺织品表面的数字图像采样(以下简称纺织品图像)属于二维纹理，二维纹理已被证明可根据17种壁纸群(wallpaper group)定义的图案排列方法生成(K.Srinivasan,P.H.Dastoor,P.Radhakrishnaiah,et al..FDAS:aknowledge-based framework for analysis of defects in woven textiles tructures,J.Text.Inst.83(1992)431–448.)，用于生成二维纹理的图案称为格(lattice)，格的内部图案称为motif。多数纺织品瑕疵自动检测方法只能处理壁纸群中p1类型的纺织品图像(H.Y.T.Ngan,G.K.H.Pang,N.H.C.Yung.Automated fabric defect detection—A review,Imageand Vision Computing 29(7)(2011)442–458.)，仅有少数方法能处理p1类型以外的纺织品图像，例如基于小波预处理的基准图像差分方法(wavelet-pre-processed golden imagesubtraction，以下简称WGIS，出自文献：H.Y.T.Ngan,G.K.H.Pang,N.H.C.Yung,etal.,Wavelet based methods on patterned fabric defect detection,Pattern Recognit.38(4)(2005)559–576)，共生矩阵方法，布林带方法(Bollinger bands，以下简称BB，出自文献：H.Y.T.Ngan,G.K.H.Pang,Novel method for patterned fabric inspection using Bollinger bands,Opt.Eng.45(8)(2006)087202-1–087202-15)，规则带方法(regular bands，以下简称RB，出自文献：H.Y.T.Ngan,G.K.H.Pang,Regularity analysis for patterned texture inspection,IEEE Trans.Autom.Sci.Eng.6(1)(2009)131–144)，Elo评估方法(Elo rating method，以下简称ER，出自文献C.S.C.Tsang,H.Y.T.Ngan,G.K.H.Pang,Fabric inspection based on the Elo rating method,Pattern Recognit.51(2016)378–394.)等。尽管这些方法可以处理p1以外的纺织品图像，但它们的计算方法多是建立在基于人工选择的类似格的图案(以下简称类格图案)之上。例如WGIS要求人工选择类格图案的尺寸和纹理，BB，RB和ER要求人工定义类格图案的尺寸。这些先验知识在一定程度上降低了机器识别纺织品瑕疵的自动化程度。

发明内容

本发明要解决的技术问题是：为了解决现有纺织品瑕疵自动检测方法仍基于人工选择或人工定义，自动化程度不高的不足，本发明提供一种基于类格图案及其Gabor特征的纺织品瑕疵检测方法。

本发明解决其技术问题所采用的技术方案是：一种基于类格图案及其Gabor特征的纺织品瑕疵检测方法，包括以下步骤：

一种基于类格图案及其Gabor特征的纺织品瑕疵检测方法，包括以下步骤：

输入灰度化的纺织品图像；

校准图像：使用Hough变换确定理想校准角度，以理想校准角度旋转图像得到校准后图像；

类格图案分割：分割校准后图像以产生类格图案，类格图案满足：相对于纺织品图像的行和列，类格图案按图像行的方向横向排列，并按列的方向纵向排列；在形态成分分析方法的纺织品图案卡通成分I_c中，类格图案具有几何形状并与背景像素在灰度上有显著差异；