[发明专利]织物疵点检测方法、装置、计算机设备和存储介质

说明书

本申请涉及一种织物疵点检测方法、系统、计算机设备和存储介质。所述方法包括：获取待测织物表面图像和标准织物表面图像；采用第一织物疵点检测算法对待测织物表面图像与标准织物表面图像进行对比检测；当检测到待测织物表面图像存在疵点时，对待测织物表面图像和标准织物表面图像进行处理，得到疵点特征突出的图像；采用第二织物疵点检测算法对处理结果进行检测，获得疵点参数。采用本方法能够通过两次算法检测和对图像处理，可以有效地减少疵点织物在疵点检测过程的噪声，检测到疵点的存在和参数，从而可以保证检出率。

技术领域

本申请涉及纺织技术领域，特别是涉及一种织物疵点方法、装置、计算机设备和存储介质。

背景技术

随着纺织技术领域的发展，出现了织物疵点检测技术。在制衣生产里，色织物表面的疵点一般均靠检验人员用肉眼在光源下进行检查及判断。

然而，目前的织物疵点检测技术存在检出率低的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够保证检出率的织物疵点检测方法、装置、计算机设备和存储介质。

一种织物疵点检测方法，包括：

获取待测织物表面图像和标准织物表面图像；

采用第一织物疵点检测算法对待测织物表面图像与标准织物表面图像进行对比检测；

当检测到待测织物表面图像存在疵点时，对待测织物表面图像和标准织物表面图像进行处理，得到疵点特征突出的图像；

采用第二织物疵点检测算法对处理结果进行检测，获得疵点参数。

在其中一个实施例中，第二织物疵点检测算法包括基于卷积匹配追踪和Gabor(伽柏)的K-VSD(K-Singular Value Decomposition，K奇异值分解)算法的双重疵点的织物疵点检测算法、基于Gaussian(高斯)回代交替方向图像分界的织物疵点检测算法以及基于多通道Gabor和KPCA(Kernel Principal Component Analysis，核主成分分析)的织物疵点检测算法中的至少一种。

在其中一个实施例中，采用基于卷积匹配追踪和Gabor的K-VSD算法的双重疵点的织物疵点检测算法对处理结果进行检测，获得疵点参数包括：

把标准织物表面图形作为样本集，采用卷积匹配追踪和基于Gabor的K-VSD迭代算法进行稀疏编码训练，得到融合字典；

将经过处理的待测织物表面图像和标准织物表面图像在融合字典上投影作为特征，计算距离，获得疵点参数。

在其中一个实施例中，采用基于Gaussian回代交替方向图像分界的织物疵点检测算法对处理结果进行检测，获得疵点参数包括：

采用Gaussian回代交替方向方法分解处理后的待测织物表面图像，将处理后的待测织物表面图像分解为疵点部分和纹理部分；

采用二维大津阈值方法对分解得到的疵点部分进行分割，获得疵点参数。

在其中一个实施例中，采用基于多通道Gabor和KPCA的织物疵点检测算法对处理结果进行检测，获得疵点参数包括：

将处理结果分割成不重叠的图像子块；

将图像子块进行数据融合，并使用KPCA算法对数据融合的结果进行降维；

对降维后的结果进行中值滤波和相似度比较，获得疵点参数。

在其中一个实施例中，第一织物疵点检测算法包括Gabor算法和高斯算法中的至少一种。

在其中一个实施例中，对待测织物表面图像进行处理采用的算法包括均值降采样算法、直方图均衡化算法、Gabor滤波算法中的至少一种。