[发明专利]一种多纹理分级融合的织物缺陷检测方法及其装置

说明书

本发明提供了一种多纹理分级融合的织物缺陷检测方法及其装置，其中所述方法包括：对织物图像进行预处理，得到预处理图像；对预设正常织物纹理样本数据进行学习，得到织物纹理分布特征；对缺陷区域进行初步定位和自适应性生长，得到初步定位区域；提取Tamura纹理特征、局部相位量化特征和经纬向纹理特征并进行分级融合，生成多特征融合图，将所述多特征融合图与织物纹理分布特征进行比对，从而对所述目标织物进行检测。本发明采用了多特征分级融合的织物缺陷检测算法，融合了不同纹理对织物缺陷的表达优势，降低了缺陷检测过程中漏检和误检情况发生，提高了织物缺陷检测的通用性和效率。

技术领域

本发明涉及织物缺陷图像识别技术领域，更具体地说，涉及一种多纹理分级融合的织物缺陷检测方法及其装置。

背景技术

织物缺陷对纺织品质量和价格产生直接影响，据统计，织物的缺陷致使织物产品价格降低45％～65％。生产过程中，织物的缺陷检测仍然大量采用传统的人工检测方法，存在效率低、结果一致性差、漏检和误检等缺点，不利于大规模工业化生产。随着计算机技术的发展，利用图像处理技术进行智能化、自动化检测成为织物缺陷检测的研究热点。

在织物缺陷检测过程中，常用的检测方法有：利用傅里叶的功能谱特性、Gabor空域特性提取特征等频谱法对织物织物缺陷检测；利用区域的几何形状、纹理的自相关性等数理统计法对织物缺陷进行检测；利用不同像素间的线性相关特性等模型法对织物缺陷检测。

针对某一类具体织物缺陷检测时，现有的织物缺陷检测方法可以实现一定的检测效果，但是面对织物纹理差异性、缺陷形态复杂多样性等情况，经常出现漏检或错检的情况，如何提高对不同织物缺陷检测的通用性仍然具有挑战。

发明内容

有鉴于此，本发明提供一种多纹理分级融合的织物缺陷检测方法及其装置以解决现有技术的不足。

为解决上述问题，本发明提供一种多纹理分级融合的织物缺陷检测方法，包括：对目标织物的织物图像进行预处理，得到预处理图像；对预设正常织物纹理样本数据进行学习，得到织物纹理分布特征；根据所述织物纹理分布特征，对所述预处理图像中的缺陷区域进行初步定位和自适应性生长，得到初步定位区域；提取所述初步定位区域中的Tamura纹理特征、局部相位量化特征和经纬向纹理特征；对所述局部相位量化特征、所述Tamura纹理特征和所述经纬向纹理特征进行分级融合，生成多特征融合图；并将所述多特征融合图与织物纹理分布特征进行比对，从而对所述目标织物进行检测。

优选地，所述“根据所述织物纹理分布特征，对所述预处理图像中的缺陷区域进行初步定位和自适应性生长，得到初步定位区域”包括：根据所述织物纹理分布特征，利用Tamura粗糙度属性，计算得到图像粗糙度；对所述图像粗糙度设定阈值，对粗糙度进行增强，得到织物增强图；设计滑动窗对所述织物增强图进行卷积操作，标记最大响应区域所在位置，并通过自适应生长得到初步定位区域。

优选地，所述“设计滑动窗对所述织物增强图进行卷积操作，标记最大响应区域所在位置，并通过自适应生长得到初步定位区域”包括：设计滑动窗对所述织物增强图进行卷积操作，标记最大响应区域所在位置；对所述位置对应的16像素×16像素的区域分为四块，根据最近邻原则进行扩充；将所扩充后的缺陷区域映射到所述目标织物的所述织物图像中，即得到初步定位区域。

优选地，所述“提取所述初步定位区域中的Tamura纹理特征”，包括：计算所述预处理图像中大小为2^k×2^k个像素的活动窗口中像素的平均强度值；根据所述平均强度值，分别计算每个像素点在水平和垂直方向上互不重叠的活动窗口之间的平均强度差；根据所述平均强度差定义每个像素的邻域尺寸，并计算所述预处理图像中的邻域尺寸的平均值，即得到所述Tamura纹理特征。