[发明专利]基于颜色相似性和位置聚集性的显著性织物疵点检测方法

权利要求书

1.基于颜色相似性和位置聚集性的显著性织物疵点检测方法，其特征在于，包括以下步骤：

步骤1，对输入的RGB织物图像进行颜色特征的提取，得到金字塔状图像；

步骤2，计算每一个颜色通道下步骤1中金字塔图像的颜色相似性，然后计算颜色特征的差异度和像素块的距离；

步骤3，根据步骤2得到的颜色特征的差异度和像素块的距离，定义像素块之间相异性；

步骤4，在步骤3的基础上，对于每一个像素块p_i，利用K-近邻法定义其显著性缺陷值；引入多尺度的思想，更新显著性缺陷值，得到在不同尺度下的显著性缺陷均值；

步骤5，基于FOV视觉原理设定一个固定的阈值，当步骤4得到的显著性缺陷均值大于阈值时，生成一个新的缺陷图，然后对新的缺陷图中每个像素点和离它最近邻的像素点之间的距离进行加权，得到像素点的缺陷度，完成显著性疵点区域的增强，融合所有显著性疵点图，获得最终的显著性疵点图。

2.根据权利要求1所述的基于颜色相似性和位置聚集性的显著性织物疵点检测方法，其特征在于，所述步骤1具体为：

首先将输入的红、绿、蓝RGB颜色空间的RGB织物图像处理成相同大小的图像，随后转换至CIEL*a*b颜色空间，得到预处理图像；随后将预处理图像进行下采样，形成金字塔图像，大小分别为预处理图像大小的100％、50％、25％；

其中L分量表示像素的亮度，a表示从红色到绿色的范围，b表示从黄色到蓝色的范围。

3.根据权利要求1所述的基于颜色相似性和位置聚集性的显著性织物疵点检测方法，其特征在于，所述步骤2具体为：

步骤2.1，对步骤1中的金字塔图像在每个颜色通道下分别进行有重叠的分块，使相邻分块之间重叠1个像素，提取每一分块分别在每个颜色通道下的颜色特征为列向量，得到在LAB颜色空间中的147维不同列向量的金字塔颜色特征；

步骤2.2，设中心像素点为i的图像块记作p_i，中心像素点为j的图像块记作p_j，则像素块p_i和像素块p_j之间颜色特征的差异度d_color(p_i,p_j)，为公式(1)，将d_color(p_i,p_j)归一化至[0，1]；

其中参数表示颜色特征向量之间的欧氏距离；

步骤2.3，设d_distance(p_i,p_j)为像素块p_i和像素块p_j之间的欧氏距离，为公式(2)，

对d_distance(p_i,p_j)归一化至[0，1]。

4.根据权利要求3所述的基于颜色相似性和位置聚集性的显著性织物疵点检测方法，其特征在于，所述步骤2.1中在进行颜色特征计算时，通常使用PCA算法进行降维处理，具体为：

步骤2.1.1，将得到的在LAB颜色空间中的147维的不同列向量的金字塔颜色特征，构成颜色特征矩阵X，并将X的每一行进行零均值化；

步骤2.1.2，计算步骤2.1.1中X的协方差矩阵其中m为维度数；

步骤2.1.3，求出步骤2.1.2中协方差矩阵的特征值及对应的特征向量，将特征向量按对应的特征值大小按行排列成矩阵，取前k行组成矩阵P；则Y＝PX即为降维到k维的数据。

5.根据权利要求3所述的基于颜色相似性和位置聚集性的显著性织物疵点检测方法，其特征在于，所述步骤3中像素块之间相异性具体为：

其中，参数是一个调节位置距离的常系数且c＝3。