[发明专利]无纺布缺陷检测与分类方法

权利要求书

1.一种无纺布缺陷检测与分类方法，其特征在于，包括以下步骤：

获取无纺布图像；

对无纺布图像进行亮度补偿和滤波去噪预处理，以消除光照不均对图像造成的影响和滤除图像采集过程中出现的噪声；

采用优化Gabor滤波器组对预处理后的图像进行滤波操作，并将滤波后的图像进行融合，使缺陷信息集中到融合结果中，其中所述Gabor滤波器组优化方法包括以下步骤：根据二维Gabor函数设计总共5尺度8方向上的40个Gabor滤波器；将8个方向分为4组正交方向，根据图像一维熵的计算方法，计算每组正交方向滤波结果图像的一维熵的和，将和最小值所对应的正交方向组作为Gabor滤波器组的最优方向选择；针对最优方向上每个尺度的滤波结果图像计算其损失评价函数值，计算每组正交方向上损失评价函数值的和，将和最大值所对应的尺度作为Gabor滤波器组的最优尺度选择；将Gabor滤波器的方向参数设置为最优方向，尺度参数设置为最优尺度，并只取其实部滤波器；

利用局部均值自适应阈值分割法对融合结果图进行二值化，使缺陷区域与正常区域分离开来；

采用伪缺陷剔除算法对二值化结果图中的孤立亮噪声点进行去除，使二值化图像中只保留正确的缺陷区域，准确实现缺陷的检测定位；

根据缺陷在图像中的位置分割感兴趣区域，基于感兴趣区域提取缺陷特征；

根据缺陷特征向量组训练SVM分类器并进行参数优化；

用训练好的分类器对缺陷进行分类识别。

2.根据权利要求1所述的一种无纺布缺陷检测与分类方法，其特征在于，将两个正交方向上的滤波结果图进行加权融合，使缺陷的信息集中到融合结果图中。

3.根据权利要求1所述的一种无纺布缺陷检测与分类方法，其特征在于，所述缺陷特征包括形状特征向量、一阶矩特征向量及二阶矩特征向量，将形状特征向量、一阶矩特征向量以及二阶矩特征向量合并成一个复合特征向量，作为代表缺陷类别的特征。

4.根据权利要求3所述的一种无纺布缺陷检测与分类方法，其特征在于，所述形状特征向量包括参数：面积、周长、方向角、圆形度、扁平度以及占空比。

5.根据权利要求3所述的一种无纺布缺陷检测与分类方法，其特征在于，所述一阶矩特征向量包括参数：灰度平均值、方差、倾斜度、峭度以及一维熵。

6.根据权利要求3所述的一种无纺布缺陷检测与分类方法，其特征在于，所述二阶矩特征向量包括参数：最优正交方向组上能量、二维熵、对比度、逆差矩以及自相关。