基于Gabor滤波器的印花织物疵点检测方法
【专利摘要】本发明公开的基于Gabor滤波器的印花织物疵点检测方法：建立基本Gabor滤波器，提取Gabor参数；对提取的Gabor参数进行选择、交叉、变异，改Gabor参数，选择目标函数适应度高的参数，经交叉和变异对选择出的适应度高的参数变换产生适应度最高的参数；根据遗传算法选择的Gabor参数方向θ和中心频率u0，对得到的Gabor参数旋转变换提取有效的无瑕疵印花织物纹理特征信息；对待检测印花织物图像及无瑕疵印花织物图像进行Gabor滤波的卷积操作，提取待检测印花织物纹理背景信息；将待检测及无瑕疵印花织物图像均进行二值化，得到印花织物瑕疵检测结果。本发明的印花织物疵点检测方法能提高检测效率和检测准确度。
【专利说明】基于Gabor滤波器的印花织物疵点检测方法
【技术领域】
[0001]本发明属于纺织品疵点检测方法【技术领域】，涉及一种基于Gabor滤波器的印花织物疵点检测方法。
【背景技术】
[0002]印花织物上的瑕疵对其销售价格有很大的影响，会导致产品的降价范围在原价格的45 %?65 %。目前，在实际印花织物检测中，人工检测占据主导地位，但存在检测速度较慢且检测成功率较低的问题，据统计，一般人工的检测速度约为15m/min?20m/min,而人工检测的准确度仅是60%?70%。由于准确率较低，企业大多选择用检测系统代替人工进行检测，现有应用最广的检测系统是1-TEX检验系统，而高的硬件维护导致了 1-TEX检验系统的应用收到了限制。
[0003]在一系列基于印花织物检测算法软件的基础上，印花织物检测方法主要分为三种，分别是:基于统计、模型和光谱的印花织物瑕疵检测方法。基于统计的方法是:将输入图像在一个窗口中的每个像素的每个图像响应中捕获到纹理特征定义为“能量”，Conciand Proenca用分形维数的估计(FD)来检查输入印花织物图像的疵点,通过处理图像信息，修改不同的盒子计数，最大限度地减少了计算的复杂性，提高了工作效率；但是，唯一的弱点是探测瑕疵具有高误报率和定位精度差。基于模型方法的优点是可构建相似的纹理以匹配所观察到的纹理，美国德雷克塞尔大学的Cohen，采用高斯马尔可夫随机提交(GMRF)检测纺织织物，其参数来自无瑕疵印花织物图像并且得到了理想的检测结果，但这种方法也有缺点，如:难以降低输入图像分析的复杂性，无法实现织物的快速检测。基于光谱的方法适合于随机纹理的材料，Tsai and Heish运用相结合的DFT检测方向性的纹理疵点,可保持灰度级图像局部瑕疵，并删除所有的同质性和方向性的纹理方向的信息，然而操纵同质无瑕疵区域相关的频率成分可能会给瑕疵区域的频率成分带来巨大的影响。
[0004]许多研究证明，Gabor滤波器在印花物疵点检测领域中广泛使用，在空间域和频域中，具有一个唯一最佳定位和多个方向和尺寸。一般情况下，基于Gabor函数的瑕疵检测方法可以被划分成两类:一类是运用一系列Gabor滤波器表征通道特征，可得出织物疵点的检测结果；另一种方法是选择最佳的Gabor滤波器。
【发明内容】
[0005]本发明的目的在于提供一种基于Gabor滤波器的印花织物疵点检测方法，能提高检测效率和检测准确度。
[0006]本发明所采用的技术方案是，基于Gabor滤波器的印花织物疵点检测方法，具体按照以下步骤实施:
[0007]步骤1、建立基本Gabor滤波器,提取Gabor参数；
[0008]步骤2、利用遗传算法，根据人体基因对经步骤I提取的Gabor参数依次进行选择、交叉、变异，改变经步骤I得到的Gabor参数；然后选择目标函数适应度高的参数，经交叉和变异操作对选择出的适应度高的参数进行变换，产生适应度最高的参数；
[0009]步骤3、根据遗传算法选择的Gabor参数的方向Θ和中心频率U(l，对经步骤2得到的Gabor参数进行旋转变换，经过旋转变换后，提取出有效的无瑕疵印花织物的纹理特征信息；
[0010]步骤4、分别对待检测印花织物图像及无瑕疵印花织物图像进行Gabor滤波的卷积操作，提取待检测印花织物纹理背景信息；
[0011]步骤5、将经步骤4处理的待检测印花织物图像及无瑕疵印花织物图像分别进行二值化处理，得到印花织物瑕疵检测结果。
[0012]本发明的特点还在于，
[0013]步骤1.1、建立2-D-Gabor滤波函数，具体按照以下方法实施:
[0014]建立的2-D-Gabor滤波函数分别给定了正弦波的频率和旋转方向；2-D_Gabor滤波函数是经二维高斯函数调制的，其中涉及到空间域中的三个参数，三个参数分别为(σχ，
Oy)和方向Θ，方向Θ以(O, 31 )范围将X和y旋转到X’和y’值，σ χ为2_D_Gabor滤波函数沿χ轴的方差，σ y为2-D-Gabor滤波函数沿y轴的方差；
[0015]将二维空间域的2-D-Gabor滤波函数如下:
[0016]
【权利要求】
1.基于Gabor滤波器的印花织物疵点检测方法，其特征在于，具体按照以下步骤实施: 步骤1、建立基本Gabor滤波器,提取Gabor参数； 步骤2、利用遗传算法，根据人体基因对经步骤I提取的Gabor参数依次进行选择、交叉、变异，改变经步骤I得到的Gabor参数；然后选择目标函数适应度高的参数，经交叉和变异操作对选择出的适应度高的参数进行变换，产生适应度最高的参数； 步骤3、根据遗传算法选择的Gabor参数的方向Θ和中心频率Utl，对经步骤2得到的Gabor参数进行旋转变换，经过旋转变换后，提取有效的无瑕疵印花织物的纹理特征信息；步骤4、分别对待检测印花织物图像及无瑕疵印花织物图像进行Gabor滤波的卷积操作，提取待检测印花织物纹理背景信息； 步骤5、将经步骤4处理的待检测印花织物图像及无瑕疵印花织物图像分别进行二值化处理，得到印花织物瑕疵检测结果。
2.根据权利要求1所述的基于Gabor滤波器的印花织物疵点检测方法，其特征在于，所述步骤I具体按照以下步骤实施: 步骤1.1、建立2-D-Gabor滤波函数，具体按照以下方法实施: 2-D-Gabor滤波函数分别给定了正弦波的频率和旋转的方向；2-D_Gabor滤波函数是经二维高斯函数调制的，其中涉及到空间域中的三个参数，三个参数分别为(σχ，oy)和方向Θ，方向Θ以(O, 31 )范围将X和y旋转到X'和y’值，σ x为2_D_Gabor滤波函数沿x轴的方差，σ y为2-D-Gabor滤波函数沿y轴的方差； 将二维空间域的2-D-Gabor滤波函数表示为:
3.根据权利要求1所述的基于Gabor滤波器的印花织物疵点检测方法，其特征在于，所述步骤2具体按照以下步骤实施: 步骤2.1、对经步骤I提取出的Gabor参数进行编码: 遗传算法中，每个遗传算法Gabor参数的个体由48位二进制代码组成；48个’ O’表示最小的二进制代码参数个体；48个’ I’表示最大的二进制代码参数个体；群体表示所有参数个体的集合； 步骤2.2、构造目标函数E: 遗传算法中的目标函数E是评估Gabor参数的标准，将2-D-Gabor滤波函数与标准印花织物差的最小值来评估Gabor参数,用于确定最优的Gabor参数； 最优的Gabor滤波器拥有与无瑕疵印花织物图像的灰度水平分布最相似的包络，符合印花织物纹理特征信息，为了构造出一个最优的Gabor滤波器，目标函数E具体如下算法实施:
4.根据权利要求3所述的基于Gabor滤波器的印花织物疵点检测方法，其特征在于，所述步骤2.3具体按照以下步骤实施: 步骤2.3.1、初始群体: 初始的群体是由二进制代码构建的，采用二进制码(O I I)表征Gabor参数ω，Τχ，?；，λ，Θ , U0 ; 步骤2.3.2、经步骤2.2得到的目标函数Ε，在初始群体中选择，去除目标函数结果最大的个体，将选择得到的个体作为最优个体； 步骤2.3.3、Gabor参数形成两个个体，两个个体以交叉概率(0，I)和个体长度的乘积确定的交叉位置进行相互交换； 步骤2.3.4、经过步骤2.3.3交叉后的个体，以变异概率(0，0.1)和个体长度的乘积确定的变异位置进行变异，即将个体变异位置的二进制码O变为1，I变为O: 初始种群内100个个体通过交叉和变异操作改变个体，将目标函数E的结果作为选择个体的标准，每执行一次选择步骤，减少20个目标函数最高的参数个体,直到100个参数个体数量变成零，得到目标函数结果最低的参数个体，最后将得到参数个体转换为十进制Gabor参数。
5.根据权利要求1所述的基于Gabor滤波器的印花织物疵点检测方法，其特征在于，所述步骤3中通过遗传算法得到的Gabor参数，具体按如下算法实施:
6.根据权利要求1所述的基于Gabor滤波器的印花织物疵点检测方法，其特征在于，所述步骤4中的Gabor滤波的卷积操作方法具体如下: 2-D-Gabor滤波器的滤波图像振幅响应按照如下算法实施:
7.根据权利要求1所述的基于Gabor滤波器的印花织物疵点检测方法，其特征在于，所述步骤5具体按照以下步骤实施:步骤5.1、在对待检测印花织物图像及无瑕疵印花织物图像进行二值化之前，运用中值滤波器平滑滤波后的待检测印花织物图像及无瑕疵印花织物图像产生的噪声； 步骤5.2、经步骤5.1去噪声处理后，分别将得到的待检测印花织物图像及无瑕疵印花织物图像进行二值化处理，对无瑕疵印花织物进行阈值测定，确定阈值范围，对待检测印花织物有瑕疵的部分进行瑕疵分割； 阈值测定方法，具体按照以下方法实施: (1)选择无瑕疵印花织物图像经过步骤4得到滤波结果B(X，y)的中心窗口W ； (2)分别计算中心窗口W的最高灰度值和最低灰度值，将最高灰度值作为阈值λ_，将最低灰度值作为阈值Xmin，具体按照如下算法实施:
【文档编号】G06T7/00GK103955922SQ201410155241
【公开日】2014年7月30日 申请日期:2014年4月17日 优先权日:2014年4月17日
【发明者】景军锋, 李鹏飞, 杨盼盼, 张宏伟, 张蕾, 张缓缓 申请人:西安工程大学