[发明专利]一种针对色织物裁片缺陷区域的检测方法

权利要求书

1.一种针对色织物裁片缺陷区域的检测方法，其特征在于，具体按照以下步骤实施：

步骤1、每次随机选取待检测的色织物裁片彩色图像中的一张无缺陷图像，将该张无缺陷图像进行先叠加噪声，后输入至U型去噪卷积自编码模型中进行迭代处理，重复操作多次，直至U型去噪卷积自编码模型达到设定的迭代次数，得到训练好的U型去噪卷积自编码模型；

所述U型去噪卷积自编码模型由卷积层、最大池化层、反卷积层和网络拼接层组成，其中，每层卷积层后均采用了ReLU激活函数，模型训练阶段采用的损失函数是L1损失函数；所述U型去噪卷积自编码模型的输入层和输出层均为三通道图像结构，隐藏层采用对称性卷积和反卷积网络组成的自编码器结构，U型去噪卷积自编码模型的卷积神经网络采用padding填充方式；

迭代的具体操作包括如下步骤：

步骤1.1、对叠加噪声后的无缺陷图像进行压缩编码，所述压缩编码的具体操作如式(2)所示：

式中，W、b分别为U型去噪卷积自编码模型编码网络的权重和偏置，为卷积编码操作，R(·)为修正线性单元激活函数，R(x)＝max(0,x)，z为压缩编码后的图像；

步骤1.2、对步骤1.1得到的压缩编码后的图像进行解码得到重构图像，所述解码操作的具体操作如式(3)所示：

式中，W′、b′分别为U型去噪卷积自编码模型解码网络的权重和偏置，·为卷积解码操作，为一张重构图像；

步骤1.3、计算步骤1.2得到的重构图像和该重构图像对应的未叠加噪声的原图像之间的像素损失，具体操作如式(4)所示：

式中，为重构图像，X(i)为重构图像对应的未叠加噪声的原图像，n为重构图像对应的未叠加噪声的原图像的个数，n等于1，为迭代过程中生成的权重、偏置，J_L1(·)为损失函数；

叠加噪声的具体操作步骤如式(1)所示：

式中，X为无缺陷图像，N(0,1)为服从均值为0，标准差为1的标准正态分布的高斯噪声，为叠加噪声后的无缺陷图像；迭代次数大于待检测的色织物裁片彩色图像中的所有无缺陷图像的数量；

步骤2、将所有待检测的色织物裁片彩色图像输入至训练好的U型去噪卷积自编码模型中输出各自对应的重构图像，再进行检测从而确定缺陷区域；

检测的具体操作包括如下步骤：

步骤2.1、将所述彩色图像和其对应的重构图像均进行灰度化处理，所述灰度化处理的具体操作如式(5)所示：

式中，X_r、X_g、X_b分别为彩色图像或其对应的重构图像的RGB三个不同颜色通道的像素值，为灰度化后的图像；

步骤2.2、将彩色图像灰度化后的图像、重构图像灰度化后的图像分别进行高斯滤波，具体操作如式(6)、式(7)所示：

X_{gray+Gaussian}＝X_gray*G(x,y)                    (6)

式中，X_gray为彩色图像灰度化后的图像，*为滑窗卷积操作，G(x,y)为高斯核函数，(x,y)为彩色图像灰度化后的图像的像素坐标，σ_x、σ_y分别为彩色图像灰度化后的图像x轴、y轴方向的像素标准差，X_{gray+Gaussian}为彩色图像经过灰度化、高斯滤波后的图像；

式中，为重构图像灰度化后的图像，为重构图像经过灰度化、高斯滤波后的图像；

步骤2.3、计算步骤2.2得到的彩色图像经过灰度化、高斯滤波后的图像和重构图像经过灰度化、高斯滤波后得到的图像之间的残差图像，具体操作如式(8)所示：

式中，X_{gray+Gaussian}为彩色图像经过灰度化、高斯滤波后的图像，为重构图像经过灰度化、高斯滤波后得到的图像，X_res为残差图像；

步骤2.4、将步骤2.3得到的残差图像进行二值化处理，具体操作如式(9)所示：

式中，μ为残差图像的均值，σ为残差图像的标准差，p为残差图像的像素值，T为二值化阈值；

步骤2.5、将经过二值化后的残差图像进行开运算处理得到检测结果图像，分析检测结果图像确定缺陷区域，若检测结果图像上显示的差异为随机噪声，则表示输入的彩色图像不存在缺陷，若检测结果图像上显示的差异为像素数值差异，则表示输入的彩色图像存在缺陷，并且缺陷区域为像素差异明显的区域，即图像像素值为1的区域；

开运算处理具体操作如式(10)所示：

式中，X_binary为经过二值化后的残差图像，K为3×3的开运算结构元素，为图像腐蚀操作，为图像膨胀操作，X_opening为检测结果图像。