一種基于視覺(jué)顯著性的布匹瑕疵檢測(cè)方法
【專利摘要】本發(fā)明公開(kāi)了一種基于視覺(jué)顯著性的布匹瑕疵檢測(cè)方法，包括如下步驟：（1）采集圖；（2）亮度特征處理；（3）方向特征處理；（4）多通道疊加歸一處理；（5）灰度圖處理；（6）二值化處理；（7）瑕疵區(qū)域判斷，與傳統(tǒng)布匹瑕疵檢測(cè)方法相比，本發(fā)明降低了運(yùn)算的復(fù)雜度，提高了識(shí)別率，并能準(zhǔn)確定位，同時(shí)避免了所檢測(cè)的布匹完好圖的顯著圖灰度值比瑕疵圖中完好部分灰度值更高的情況下容易導(dǎo)致的誤檢，有效地降低了背景在檢測(cè)過(guò)程中的干擾，且減少了將完好布匹的圖像經(jīng)過(guò)自適應(yīng)閾值分割得到的目標(biāo)區(qū)域誤判為瑕疵區(qū)域的情況的發(fā)生。
【專利說(shuō)明】—種基于視覺(jué)顯著性的布匹瑕疵檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種布匹瑕疵檢測(cè)方法，具體涉及一種基于視覺(jué)顯著性的布匹瑕疵檢測(cè)方法。
【背景技術(shù)】
[0002]在現(xiàn)代紡織生產(chǎn)中，質(zhì)量的控制與檢測(cè)非常重要，布匹的瑕疵檢測(cè)是其中尤為關(guān)鍵的組成部分，目前，國(guó)內(nèi)紡織企業(yè)的檢測(cè)方式多以人工為主，人眼檢測(cè)速度有限，檢測(cè)結(jié)果易受主觀因素影響，易發(fā)生誤檢、漏檢等。以先進(jìn)的自動(dòng)檢測(cè)技術(shù)代替人工布匹瑕疵檢測(cè)，是提高檢測(cè)效率、減少勞動(dòng)力、降低人工勞動(dòng)強(qiáng)度和保證布匹質(zhì)量的重要措施。國(guó)內(nèi)外學(xué)者在自動(dòng)檢測(cè)方法的研究上取得了很多卓越的成績(jī)。
[0003]布匹瑕疵檢測(cè)算法主要是根據(jù)檢測(cè)到的布匹的紋理形狀進(jìn)行瑕疵判斷，大致有3類:統(tǒng)計(jì)法、譜分析法和基于模型法。其中最常見(jiàn)的是的運(yùn)用傅里葉變換、小波變換和Gabor分析的頻譜分析法。傅里葉變換是對(duì)圖進(jìn)行全局變換，因而不能準(zhǔn)確定位瑕疵；Gabor分析的變換檢測(cè)性能較好，然而需要對(duì)多通道方向進(jìn)行二維濾波以及融合，大大增加計(jì)算復(fù)雜度；小波變換有良好的局部時(shí)頻分析、計(jì)算速度快等優(yōu)點(diǎn)，但是方向選擇性差，使其不能很好描述二維圖特性，導(dǎo)致檢測(cè)效果不理想。
[0004]人類能快速有效地識(shí)別出缺陷，無(wú)論反光強(qiáng)弱、缺陷形狀的變化、不同生產(chǎn)工藝造成的差別等等。布匹呈現(xiàn)在人眼前時(shí)，其瑕疵部分較為顯著，能夠引起視覺(jué)注意。也就是說(shuō)，圖中待發(fā)現(xiàn)的信息往往集中在一些關(guān)鍵的區(qū)域，通常稱之為顯著區(qū)域。如果能夠準(zhǔn)確地提取這些顯著區(qū)域，即在視覺(jué)上吸引人注意的區(qū)域，我們就能有效找到需要的圖信息。為了從圖中提取顯著區(qū)域，人們提出了基于視覺(jué)注意的計(jì)算模型。在這些模型中，用顯著圖表示視覺(jué)區(qū)域的顯著性。顯著圖是一幅二維圖，它的每個(gè)像素點(diǎn)的值表示原圖對(duì)應(yīng)像素點(diǎn)的顯著性大小。本發(fā)明便是基于視覺(jué)顯著性原理，提供了一種對(duì)布匹圖進(jìn)行瑕疵檢測(cè)的方法。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的是提供一種基于視覺(jué)顯著性的布匹瑕疵檢測(cè)方法，模擬人的視覺(jué)注意機(jī)制，以GBVS (Graph-based Visual Saliency)模型為基礎(chǔ),通過(guò)提取布匹的亮度特征和方向特征，生成視覺(jué)顯著圖，通過(guò)分析視覺(jué)顯著圖的灰度分布關(guān)系，判斷視覺(jué)顯著圖是否能量集中，進(jìn)而判斷布匹是否存在瑕疵。
[0006]為達(dá)到上述發(fā)明目的，本發(fā)明采用的技術(shù)方案是:一種基于視覺(jué)顯著性的布匹瑕疵檢測(cè)方法，包括如下步驟:
(1)、采集圖像，對(duì)布匹進(jìn)行圖采集，得到初始灰度圖；
(2),GBVS模型生成顯著圖像，根據(jù)GBVS模型生成所述初始灰度圖的綜合顯著圖；
(3)、灰度圖處理，減小所述綜合顯著圖各像素點(diǎn)的灰度值，從而得到減弱背景顯著性后的最終顯著圖；
(4)、二值化處理，根據(jù)最大類間方差法，對(duì)所述最終顯著圖進(jìn)行自適應(yīng)閾值分割，得到具有突出顯著的目標(biāo)部分的二值圖；
(5)、瑕疵區(qū)域判斷，通過(guò)比較所述最終顯著圖中對(duì)應(yīng)目標(biāo)區(qū)域的灰度平方和與所述綜合顯著圖整個(gè)區(qū)域的灰度平方和，以判斷目標(biāo)區(qū)域是否為瑕疵。
[0007]進(jìn)一步的技術(shù)方案，步驟(2)包括如下分步驟:
(a)、亮度特征處理，對(duì)所述初始灰度圖進(jìn)行高斯金字塔濾波，得到一組不同尺度下的亮度特征濾波結(jié)果，對(duì)每個(gè)所述亮度特征濾波結(jié)果，根據(jù)其像素間的差異和歐氏距離建立各自的馬爾科夫鏈，然后求其馬爾科夫平衡
分布，將馬爾科夫平衡分布后的所述一組不同尺度下的亮度特征濾波結(jié)果進(jìn)行歸一化處理，得到一張亮度特征顯著圖；
(b)、方向特征處理，對(duì)所述初始灰度圖在四個(gè)方向上進(jìn)行Gabor金字塔濾波，對(duì)應(yīng)得到四組不同尺度下的方向特征濾波結(jié)果，對(duì)每個(gè)所述方向特征濾波結(jié)果，根據(jù)其像素間的差異和歐氏距離建立各自的馬爾科夫鏈，然后求其馬爾科夫平衡分布，將馬爾科夫平衡分布后的所述一組不同尺度下的方向特征濾波結(jié)果進(jìn)行歸一化處理，得到一張方向特征顯著圖；
(C)、多通道疊加歸一處理，將步驟(a)中的所述亮度特征顯著圖和步驟(b)中的所述方向特征顯著圖線性相加并進(jìn)行歸一化處理，得到綜合顯著圖；
其中，所述步驟(a )和步驟(b )無(wú)先后順序。
[0008]進(jìn)一步的技術(shù)方案，步驟(3)采用如下方法:計(jì)算所述綜合顯著圖的各個(gè)像素點(diǎn)的灰度平均值，判斷所述各個(gè)像素點(diǎn)的灰度值是否大于所述灰度平均值，如果所述灰度值小于所述灰度平均值，則對(duì)所述灰度值進(jìn)行歸零處理，否則所述灰度值等于其與所述灰度平均值的差值，得到減弱背景顯著性的最終顯著圖。
[0009]進(jìn)一步的技術(shù)方案，步驟(5)采用如下方法:標(biāo)定所述最終顯著圖對(duì)應(yīng)于所述目標(biāo)部分的區(qū)域?yàn)槟繕?biāo)區(qū)域，分別計(jì)算所述最終顯著圖的目標(biāo)區(qū)域的像素點(diǎn)灰度平方和及所述綜合顯著圖的整個(gè)區(qū)域的像素點(diǎn)灰度平方和，進(jìn)而計(jì)算所述目標(biāo)區(qū)域灰度平方和與所述整個(gè)區(qū)域灰度平方和的比值，如果所述比值低于判斷閾值時(shí)，則所述目標(biāo)區(qū)域?yàn)殍Υ脜^(qū)域，否則所述目標(biāo)區(qū)域不是瑕疵區(qū)域。
[0010]進(jìn)一步的技術(shù)方案，所述判斷閾值的取值范圍為0.15?0.4。
[0011]由于上述技術(shù)方案運(yùn)用，本發(fā)明與現(xiàn)有技術(shù)相比具有下列優(yōu)點(diǎn):
1、通過(guò)對(duì)輸入的布匹圖進(jìn)行視覺(jué)顯著性分析，判斷是否得到具有突出顯著的目標(biāo)區(qū)域的二值圖，進(jìn)而判斷布匹是否存在瑕疵，與傳統(tǒng)布匹瑕疵檢測(cè)方法相比，本發(fā)明降低了運(yùn)算的復(fù)雜度，提高了識(shí)別率，并能準(zhǔn)確定位；
2、通過(guò)使綜合顯著圖中像素灰度值高于平均值的點(diǎn)的灰度值減小，使綜合顯著圖中像素灰度值低于平均值的點(diǎn)的灰度值歸零，以減弱背景(視布匹完好區(qū)域?yàn)楸尘?顯著性，使得瑕疵區(qū)域與完好區(qū)域的顯著性有明顯的差距，避免了由于所述綜合顯著圖的生成原理的緣故，所檢測(cè)的布匹完好區(qū)域的灰度值比瑕疵區(qū)域中的完好部分灰度值還要高的情況下容易導(dǎo)致的誤檢，有效地降低了背景在檢測(cè)過(guò)程中的干擾；
3、由于人眼在觀察紋理均勻圖時(shí)總有相對(duì)注意力集中的區(qū)域，因此基于視覺(jué)顯著性的布匹瑕疵的檢測(cè)方法容易將布匹完好圖經(jīng)過(guò)分割得到的目標(biāo)部分誤判為瑕疵區(qū)域，通過(guò)提取目標(biāo)區(qū)域的圖特征信息進(jìn)行能量判斷，判斷此目標(biāo)區(qū)域是否是能量集中區(qū)域，最終確定瑕疵區(qū)域，計(jì)算所述最終顯著圖中對(duì)應(yīng)于所述目標(biāo)部分的目標(biāo)區(qū)域的像素點(diǎn)灰度平方和及所述綜合顯著圖的整個(gè)區(qū)域的像素點(diǎn)灰度平方和，進(jìn)而計(jì)算所述兩者的比值，通過(guò)比值大小判斷該目標(biāo)區(qū)域是否能量相對(duì)集中，比值大于判斷閾值，即能量相對(duì)集中，則所述目標(biāo)區(qū)域?yàn)殍Υ?，否則所述目標(biāo)區(qū)域不為瑕疵，通過(guò)以上的技術(shù)方案，減少了誤判的發(fā)生。
【專利附圖】

【附圖說(shuō)明】
[0012]圖1是本發(fā)明公開(kāi)的基于視覺(jué)顯著性的布匹瑕疵檢測(cè)方法的實(shí)施流程圖；
圖2是本發(fā)明公開(kāi)的布匹完好圖的逐步檢測(cè)結(jié)果圖；
圖3是本發(fā)明公開(kāi)的布匹典型瑕疵圖的逐步檢測(cè)結(jié)果圖；
圖4，圖5，圖6，圖7是本發(fā)明公開(kāi)的布匹其他瑕疵圖的檢測(cè)結(jié)果圖。
【具體實(shí)施方式】
[0013]下面結(jié)合附圖及實(shí)施例對(duì)本發(fā)明進(jìn)一步描述。
[0014]實(shí)施例:參見(jiàn)圖1,如其中的圖例所示,上述布匹瑕疵檢測(cè)方法包括如下步驟:
(1)、采集圖像，通過(guò)工業(yè)相機(jī)采集布匹的圖，得到初始灰度圖
如圖2 (a)為布匹完好圖的初始圖，如圖3 (a)為布匹典型瑕疵圖的初始灰度圖。
(2)、亮度特征處理:
a、通過(guò)二維高斯濾波器對(duì)輸入的上述初始灰度圖進(jìn)行高斯金字塔濾波，金字塔濾波是指對(duì)初始灰度圖不斷進(jìn)行1/2降采樣和濾波，濾波的尺度因子隨圖的減小而減小，得到一組不同尺度下的濾波結(jié)果，本例中金字塔等級(jí)為2，即得到兩個(gè)尺度下的不同亮度特
征濾波結(jié)果，即兩張亮度特征圖;
【權(quán)利要求】
1.一種基于視覺(jué)顯著性的布匹瑕疵檢測(cè)方法，其特征在于，包括如下步驟: (I)、采集圖像，對(duì)布匹進(jìn)行圖采集，得到初始灰度圖； (2 )、GBVS模型生成顯著圖像，根據(jù)GBVS模型生成所述初始灰度圖的綜合顯著圖； (3)、灰度圖處理，減小所述綜合顯著圖各像素點(diǎn)的灰度值，從而得到減弱背景顯著性后的最終顯著圖； (4)、二值化處理，根據(jù)最大類間方差法，對(duì)所述最終顯著圖進(jìn)行自適應(yīng)閾值分割，得到具有突出顯著的目標(biāo)部分的二值圖； (5)、瑕疵區(qū)域判斷，通過(guò)比較所述最終顯著圖中對(duì)應(yīng)目標(biāo)區(qū)域的灰度平方和與所述綜合顯著圖整個(gè)區(qū)域的灰度平方和，以判斷目標(biāo)區(qū)域是否為瑕疵。
2.根據(jù)權(quán)利要求1所述的基于視覺(jué)顯著性的布匹瑕疵檢測(cè)方法，其特征在于，步驟(2)包括如下分步驟: (a)、亮度特征處理，對(duì)所述初始灰度圖進(jìn)行高斯金字塔濾波，得到一組不同尺度下的亮度特征濾波結(jié)果，對(duì)每個(gè)所述亮度特征濾波結(jié)果，根據(jù)其像素間的差異和歐氏距離建立各自的馬爾科夫鏈，然后求其馬爾科夫平衡 分布，將馬爾科夫平衡分布后的所述一組不同尺度下的亮度特征濾波結(jié)果進(jìn)行歸一化處理，得到一張亮度特征顯著圖； (b)、方向特征處理，對(duì)所述初始灰度圖在四個(gè)方向上進(jìn)行Gabor金字塔濾波，對(duì)應(yīng)得到四組不同尺度下的方向特征濾波結(jié)果，對(duì)每個(gè)所述方向特征濾波結(jié)果，根據(jù)其像素間的差異和歐氏距離建立各自的馬爾科夫鏈，然后求其馬爾科夫平衡分布，將馬爾科夫平衡分布后的所述一組不同尺度下的方向特征濾波結(jié)果進(jìn)行歸一化處理，得到一張方向特征顯著圖； (C)、多通道疊加歸一處理，將步驟(a)中的所述亮度特征顯著圖和步驟(b)中的所述方向特征顯著圖線性相加并進(jìn)行歸一化處理，得到綜合顯著圖； 其中，所述步驟(a )和步驟(b )無(wú)先后順序。
3.據(jù)權(quán)利要求1所述基于視覺(jué)顯著性的布匹瑕疵檢測(cè)方法，其特征在于，步驟(3)采用如下方法:計(jì)算所述綜合顯著圖的各個(gè)像素點(diǎn)的灰度平均值，判斷所述各個(gè)像素點(diǎn)的灰度值是否大于所述灰度平均值，如果所述灰度值小于所述灰度平均值，則對(duì)所述灰度值進(jìn)行歸零處理，否則所述灰度值等于其與所述灰度平均值的差值，得到減弱背景顯著性的最終顯著圖。
4.據(jù)權(quán)利要求1所述基于視覺(jué)顯著性的布匹瑕疵檢測(cè)方法，其特征在于，步驟(5)采用如下方法:標(biāo)定所述最終顯著圖對(duì)應(yīng)于所述目標(biāo)部分的區(qū)域?yàn)槟繕?biāo)區(qū)域，分別計(jì)算所述最終顯著圖的目標(biāo)區(qū)域的像素點(diǎn)灰度平方和及所述綜合顯著圖的整個(gè)區(qū)域的像素點(diǎn)灰度平方和，進(jìn)而計(jì)算所述目標(biāo)區(qū)域灰度平方和與所述整個(gè)區(qū)域灰度平方和的比值，如果所述比值低于判斷閾值時(shí)，則所述目標(biāo)區(qū)域?yàn)殍Υ脜^(qū)域，否則所述目標(biāo)區(qū)域不是瑕疵區(qū)域。
5.據(jù)權(quán)利要求4所述的布匹瑕疵檢測(cè)方法，其特征在于，所述判斷閾值的取值范圍為.0.15 ?0.4。
【文檔編號(hào)】G06T7/00GK103871053SQ201410063927
【公開(kāi)日】2014年6月18日 申請(qǐng)日期:2014年2月25日 優(yōu)先權(quán)日:2014年2月25日
【發(fā)明者】何志勇, 孫立寧, 胡佳娟, 翁桂榮, 左保齊, 余雷 申請(qǐng)人:蘇州大學(xué)