一種利用s變換信號(hào)提取的布匹疵點(diǎn)檢測(cè)方法
【專利摘要】本發(fā)明涉及一種利用S變換信號(hào)提取的布匹疵點(diǎn)檢測(cè)方法，屬于數(shù)字圖像處理領(lǐng)域。本發(fā)明的方法利用投影法進(jìn)行灰度能量累加，將經(jīng)編布匹圖像轉(zhuǎn)換成一維信號(hào)；利用S變換信號(hào)提取的方法保留疵點(diǎn)信號(hào)在S變換域的信息對(duì)其做S反變換，提取出疵點(diǎn)信號(hào)；在空間域?qū)μ崛〕龅拇命c(diǎn)信號(hào)進(jìn)行閾值分割，得出疵點(diǎn)和疵點(diǎn)位置信息。本發(fā)明能替代布匹生產(chǎn)過(guò)程中的人工檢測(cè)環(huán)節(jié)，提高布匹質(zhì)量控制能力，同時(shí)可降低勞動(dòng)力成本；同時(shí)提出的方法不受噪聲，光照，紋理特征的影響，在空間域?qū)Υ命c(diǎn)信號(hào)判別更加準(zhǔn)確。
【專利說(shuō)明】—種利用S變換信號(hào)提取的布匹疵點(diǎn)檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種利用S變換信號(hào)提取的布匹疵點(diǎn)檢測(cè)方法，屬于數(shù)字圖像處理領(lǐng)域。
【背景技術(shù)】
[0002]布匹疵點(diǎn)檢測(cè)在布匹生產(chǎn)的過(guò)程中是一個(gè)重要的環(huán)節(jié)。目前，織物的質(zhì)量主要是靠人工檢驗(yàn)，然而，人工檢驗(yàn)的可靠性受到主觀判斷，勞累等各方面的干擾，Sar1-Sarraf調(diào)查發(fā)現(xiàn)，即使是最訓(xùn)練有素的人工檢驗(yàn)員，也只可以檢測(cè)到70%的織物瑕疵。因此，布匹疵點(diǎn)的自動(dòng)檢測(cè)在高速生產(chǎn)高質(zhì)量的織物產(chǎn)品中是必不可少的。發(fā)展一種快速、高效、可靠、實(shí)時(shí)的缺陷檢測(cè)系統(tǒng)已經(jīng)成為必然，基于圖像處理技術(shù)的布匹疵點(diǎn)檢測(cè)是計(jì)算機(jī)視覺(jué)，數(shù)字圖像處理和計(jì)算機(jī)圖形學(xué)研究領(lǐng)域的熱點(diǎn)難點(diǎn)。
[0003]近年來(lái)，布匹疵點(diǎn)自動(dòng)檢測(cè)吸引了大量的關(guān)注，一般來(lái)說(shuō)，織物疵點(diǎn)檢測(cè)方法可以概括為四類:學(xué)習(xí)方法，基于模型方法，統(tǒng)計(jì)方法和光譜方法。
[0004]對(duì)于學(xué)習(xí)的方法，比如說(shuō)遺傳方法和支持向量機(jī)，這類方法的缺點(diǎn)在于其需要大量的樣本數(shù)據(jù)?；谀Ｐ偷姆椒?，比如自回歸模型和馬爾可夫隨機(jī)場(chǎng)模型，這類方法對(duì)小的缺陷相對(duì)敏感，但容易受到燈光和缺陷與背景之間相似性的干擾。在統(tǒng)計(jì)方法中，把織物圖像劃分為若干個(gè)圖像塊的表示形式，如自相關(guān)函數(shù)、同現(xiàn)矩陣，分形維數(shù)，灰度共生矩陣法等。這種方法有兩種主要的弱點(diǎn)，第一檢測(cè)靈敏度與塊大小有關(guān)；第二需要大量的鄰接像素計(jì)算。
[0005]對(duì)于紋理周期性強(qiáng)的織物，頻譜方法尤其適合這類織物疵點(diǎn)的檢測(cè)，如傅里葉分析，小波濾波器和伽柏過(guò)濾器。傅里葉變換的空間頻率信息不能一一對(duì)應(yīng)，只能在頻率域識(shí)別缺陷信號(hào)；小波變換雖然提供了一種多分辨率分解信息，但很難從小波系數(shù)中來(lái)描述紋理；Gabor過(guò)濾器可以從圖像捕獲特定頻帶的頻率成分，并定向提取特征，但是Gabor過(guò)濾方法計(jì)算復(fù)雜性很高，限制該方法在實(shí)時(shí)系統(tǒng)中的應(yīng)用。
[0006]基于以上相關(guān)方法的介紹，可以發(fā)現(xiàn)現(xiàn)有的檢測(cè)布匹疵點(diǎn)的方法集中在對(duì)圖像特征量選取上，此類方法在檢測(cè)布匹疵點(diǎn)時(shí)都會(huì)受到噪聲、光照、紋理特征的影響，從而使其對(duì)疵點(diǎn)信號(hào)判別不準(zhǔn)確。

【發(fā)明內(nèi)容】

[0007]本發(fā)明的目的在于能夠快速高效的檢測(cè)布匹疵點(diǎn)，而供一種能適應(yīng)在線檢測(cè)的布匹質(zhì)量的方法。本發(fā)明采用近年來(lái)時(shí)頻分析非平穩(wěn)信號(hào)的有力工具S變換，利用S變換信號(hào)提取方法，有效的提取出布匹疵點(diǎn)信號(hào)。
[0008]本發(fā)明的目的是通過(guò)以下技術(shù)方案實(shí)現(xiàn)的:
[0009]本發(fā)明的一種利用S變換信號(hào)提取的布匹疵點(diǎn)檢測(cè)方法，具體包括以下步驟:
[0010]步驟I)、對(duì)原布匹圖進(jìn)行灰度化處理；
[0011]步驟2)、將步驟I)中得到的灰度化后圖像每一列灰度值累加，從而將二維圖像轉(zhuǎn)換成橫坐標(biāo)對(duì)應(yīng)為原圖像橫坐標(biāo)(即像素位置)、縱坐標(biāo)為灰度累加值的一維信號(hào)f (P);
[0012]
【權(quán)利要求】
1.一種利用S變換信號(hào)提取的布匹疵點(diǎn)檢測(cè)方法，其特征是:具體包括以下步驟: 步驟I)、對(duì)原布匹圖進(jìn)行灰度化處理； 步驟2)、將步驟I)中得到的灰度化后圖像每一列灰度值累加，從而將二維圖像轉(zhuǎn)換成橫坐標(biāo)對(duì)應(yīng)為原圖像橫坐標(biāo)、縱坐標(biāo)為灰度累加值的一維信號(hào)f(p)； 步驟3)、對(duì)步驟2)所得到的一維信號(hào)f (P)做一維Stockwell變換，得到一維信號(hào)的S變換系數(shù)模值的時(shí)頻圖，該時(shí)頻圖的橫坐標(biāo)對(duì)應(yīng)原圖像橫坐標(biāo)，縱坐標(biāo)為頻率位置； 步驟4)、對(duì)步驟3)得到的時(shí)頻圖，尋找每一列系數(shù)模最大值對(duì)應(yīng)的頻率位置，對(duì)頻率位置進(jìn)行直方圖統(tǒng)計(jì)，得到橫坐標(biāo)為頻率位置、縱坐標(biāo)為頻率位置出現(xiàn)次數(shù)的直方圖； 步驟5)、利用步驟4)得到的頻率位置直方圖，選取第一個(gè)峰和第二個(gè)峰之間的三分之一至三分之二處任意一點(diǎn)的頻率位置，將該值設(shè)定為頻率分割閾值fT;在時(shí)頻圖中，頻率位置小于頻率分割閾值fT的區(qū)域?yàn)榇命c(diǎn)所在時(shí)頻通域R: 步驟6)、在步驟3)得到的時(shí)頻圖S (p，f)上，保留步驟5)得到的時(shí)頻通域R內(nèi)每一行的系數(shù)模最大值，其余系數(shù)模值設(shè)為0，得到新的時(shí)頻圖X(p，f)； 步驟7)、對(duì)步驟6)得到的新的時(shí)頻圖X(p，f)做S反變換，得到一維信號(hào)fs，為提取出的疵點(diǎn)信號(hào)，其橫坐標(biāo)為像素位置，縱坐標(biāo)為灰度能量幅值； 步驟8)、對(duì)步驟7)中得到的疵點(diǎn)信號(hào)fs進(jìn)行空間閾值分割，分割閾值Τ=α+λ σ，其中α和σ分別為信號(hào)fs的平均值和均方差，λ為經(jīng)驗(yàn)參數(shù),取值為2?5 ;把疵點(diǎn)信號(hào)fs每一個(gè)像素位置對(duì)應(yīng)的灰度能量幅值與T進(jìn)行比較，大于等于T的其值設(shè)為a，小于T的其值設(shè)為b，得到分割后的信號(hào)fST; 步驟9)、把原圖中橫坐標(biāo)與步驟8)得到的信號(hào)fST中的a點(diǎn)區(qū)域橫坐標(biāo)對(duì)應(yīng)的位置標(biāo)記出來(lái)，為疵點(diǎn)區(qū)域。
2.根據(jù)權(quán)利要求1所述的基于S變換信號(hào)提取的布匹疵點(diǎn)檢測(cè)算法，其特征是:所述的步驟5)中，利用步驟4)得到的頻率位置直方圖，選取第一個(gè)峰和第二個(gè)峰之間的二分之一處的頻率位置，將該值設(shè)定為頻率分割閾值fT。
3.根據(jù)權(quán)利要求1所述的基于S變換信號(hào)提取的布匹疵點(diǎn)檢測(cè)算法，其特征是:所述的步驟8)中的經(jīng)驗(yàn)參數(shù)λ取值為3。
【文檔編號(hào)】G06T7/00GK103729856SQ201410035407
【公開(kāi)日】2014年4月16日 申請(qǐng)日期:2014年1月24日 優(yōu)先權(quán)日:2014年1月24日
【發(fā)明者】趙翠芳, 秦悅桐 申請(qǐng)人:浙江師范大學(xué)