本发明涉及一种图像识别技术领域,尤其涉及一种滤布缺陷破损检测的方法、存储介质及装置。
背景技术:
目前,特征区域面积法进行滤布破损缺陷识别时,是基于破洞透光的原理,对于穿透性类别的破损其检出率高达95.46%,而对于磨损类别的破损检测率低于20%,检测结果表明对于磨损类别的检测效果差。
svm分类器模型进行滤布破损缺陷检测时,是根据滤布的纹理特征是否被破坏从而判别滤布图像中是否有破损的,对于磨损类别的破损检出率高于95%,而对于穿透性的破损其检出率接近75%,对穿透性类别检测效果差。
但是,现有的方法存在以下缺陷:
特征区域面积检测结果表明对于磨损类别的检测效果差,svm分类器模型对穿透性类别检测效果差。
技术实现要素:
为了克服现有技术的不足,本发明的目的之一在于提供一种滤布缺陷破损检测的方法,其能增强检测系统的破损识别能力。
本发明的目的之二在于一种电子设备,其能增强检测系统的破损识别能力。
本发明的目的之三在于一种计算机可读存储介质,其能增强检测系统的破损识别能力。
本发明的目的之四在于提供一种滤布缺陷破损检测的装置,其能增强检测系统的破损识别能力。
本发明的目的之一采用如下技术方案实现:
一种滤布缺陷破损检测的方法,包括以下步骤:
特征区域面积检测步骤:通过特征区域面积法对滤布进行破损检测;
svm分类检测步骤:对破损检测后的滤布再通过svm分类处理以得到滤布破损状况。
进一步地,所述特征区域面积检测步骤具体包括以下子步骤:
图像处理步骤:获取滤布的图像信息并对其进行滤波以及图像增强;
二值化步骤:根据二值化公式对滤布的图像信息进行二值化处理;
面积计算步骤:根据破损面积公式以得滤布破损面积;
判断步骤:判断滤布破损面积是否大于预设值,如果是,则判定为破损区域,如果不是,则判定为非破损区域。
进一步地,所述svm分类检测步骤具体包括以下子步骤:
计算步骤:根据灰度图像的灰度等级计算灰度共生矩阵的大小l2;
灰度获取步骤:取灰度图像中的一点k(x,y),取另一点q(x+a,y+b),将该像素点对的灰度值记为(i,j);
信息获取步骤:点k在灰度图像上进行移动,并记录得到各个像素点对的(i,j)及距离值;
频数计算步骤:统计灰度图像中相距为
共生矩阵获取步骤:将统计得到的每一对(i,j)出现的联合频数n(i,j)排列成一个矩阵h(i,j),其中i和j分别表示矩阵中第i行和第j列,矩阵h(i,j)即为所求的灰度共生矩阵。
本发明的目的之二采用如下技术方案实现:
一种电子设备,包括:处理器;
存储器;以及程序,其中所述程序被存储在所述存储器中,并且被配置成由处理器执行,所述程序包括用于执行:
特征区域面积检测步骤:通过特征区域面积法对滤布进行破损检测;
svm分类检测步骤:对破损检测后的滤布再通过svm分类处理以得到滤布破损状况。
进一步地,所述特征区域面积检测步骤具体包括以下子步骤:
图像处理步骤:获取滤布的图像信息并对其进行滤波以及图像增强;
二值化步骤:根据二值化公式对滤布的图像信息进行二值化处理;
面积计算步骤:根据破损面积公式以得滤布破损面积;
判断步骤:判断滤布破损面积是否大于预设值,如果是,则判定为破损区域,如果不是,则判定为非破损区域。
进一步地,所述svm分类检测步骤具体包括以下子步骤:
计算步骤:根据灰度图像的灰度等级计算灰度共生矩阵的大小l2;
灰度获取步骤:取灰度图像中的一点k(x,y),取另一点q(x+a,y+b),将该像素点对的灰度值记为(i,j);
信息获取步骤:点k在灰度图像上进行移动,并记录得到各个像素点对的(i,j)及距离值;
频数计算步骤:统计灰度图像中相距为
共生矩阵获取步骤:将统计得到的每一对(i,j)出现的联合频数n(i,j)排列成一个矩阵h(i,j),其中i和j分别表示矩阵中第i行和第j列,矩阵h(i,j)即为所求的灰度共生矩阵。
本发明的目的之三采用如下技术方案实现:
一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行如上任意一项所述的方法。
本发明的目的之四采用如下技术方案实现:
一种滤布缺陷破损检测的装置,包括以下模块:
特征区域面积检测模块:用于通过特征区域面积法对滤布进行破损检测;
svm分类检测模块:用于对破损检测后的滤布再通过svm分类处理以得到滤布破损状况。
进一步地,所述特征区域面积检测模块具体包括以下子模块:
图像处理模块:用于获取滤布的图像信息并对其进行滤波以及图像增强;
二值化模块:用于根据二值化公式对滤布的图像信息进行二值化处理;
面积计算模块:用于根据破损面积公式以得滤布破损面积;
判断模块:用于判断滤布破损面积是否大于预设值,如果是,则判断为破损区域,如果不是,则判定为非破损区域。
进一步地,所述svm分类检测模块具体包括以下子模块:
计算模块:用于根据灰度图像的灰度等级计算灰度共生矩阵的大小l2;
灰度获取模块:用于取灰度图像中的一点k(x,y),取另一点q(x+a,y+b),将该像素点对的灰度值记为(i,j);
信息获取模块:用于并记录点k在灰度图像上进行移动得到的各个像素点对的(i,j)及距离值;
频数计算模块:用于统计灰度图像中相距为
共生矩阵获取模块:用于将统计得到的每一对(i,j)出现的联合频数n(i,j)排列成一个矩阵h(i,j),其中i和j分别表示矩阵中第i行和第j列,矩阵h(i,j)即为所求的灰度共生矩阵。
相比现有技术,本发明的有益效果在于:
本发明将特征区域面积检测、svm分类检测进行结合,通过这种串级检测方式来提供破损的识别率和降低误检率。
附图说明
图1为本发明的滤布破损检测的方法的流程图;
图2为本发明的滤布破损检测的装置的结构示意图;
图3为滤布的二值化图像特征示意图。
具体实施方式
下面,结合附图以及具体实施方式,对本发明做进一步描述,需要说明的是,在不相冲突的前提下,以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
如图1所示,本发明提供了一种滤布缺陷破损检测的方法,包括以下步骤:
步骤s1:通过特征区域面积法对滤布进行破损检测;所述步骤s1具体包括以下子步骤:
步骤s11:获取滤布的图像信息并对其进行滤波以及图像增强;
步骤s12:根据二值化公式对滤布的图像信息进行二值化处理;其中灰度图像二值化的计算公式:
步骤s13:根据破损面积公式以得滤布破损面积;根据每个像素所占的面积进行换算即可求得破损面积,该公式如下:s=n*k,其中s表示面积,n表示像素点数目,k表示比例系数(一个像素点所占面积);
步骤s14:判断滤布破损面积是否大于预设值,如果是,则判定为破损区域,如果不是,则判定为非破损区域。上述为前级的特征检测;
步骤s2:对破损检测后的滤布再通过svm分类处理以得到滤布破损状况。所述步骤s2具体包括以下子步骤:
步骤s21:根据灰度图像的灰度等级计算灰度共生矩阵的大小l2;如果必要的话,也可先将图像的灰度登记降低(如16或32等)
步骤s22:取灰度图像中的一点k(x,y),取另一点q(x+a,y+b),将该像素点对的灰度值记为(i,j);
步骤s23:点k在灰度图像上进行移动,并记录得到各个像素点对的(i,j)及距离值;
步骤s24:统计灰度图像中相距为
步骤s25:将统计得到的每一对(i,j)出现的联合频数n(i,j)排列成一个矩阵h(i,j),其中i和j分别表示矩阵中第i行和第j列,矩阵h(i,j)即为所求的灰度共生矩阵。除了上述的svm检测步骤之外,还可以先进行归一化处理之后再构建共生矩阵。采用将特征区域面积法和svm二分类器检测模型法构成串级检测方式时,两种检测方式的优缺点能够进行互补,增加检测系统的破损识别能力。串级检测方式相对于单级检测方式而言,有更高的破损识别率和误检率。
本发明公开了一种电子设备,包括一个或多个处理器、存储器以及一个或者多个程序,其中一个或多个程序被存储在存储器中,并且被配置成由一个或多个处理器执行,程序包括用于执行上述方法,或者本发明的方法存储在可读的存储介质上,并且该方法程序可以被处理器执行。该电子设备可以是手机、电脑、平板电脑等等一系列的电子设备。
如图2所示,本发明还提供了一种滤布缺陷破损检测的装置,包括以下模块:
特征区域面积检测模块:用于通过特征区域面积法对滤布进行破损检测;所述特征区域面积检测模块具体包括以下子模块:
图像处理模块:用于获取滤布的图像信息并对其进行滤波以及图像增强;
二值化模块:用于根据二值化公式对滤布的图像信息进行二值化处理;
面积计算模块:用于根据破损面积公式以得滤布破损面积;
判断模块:用于判断滤布破损面积是否大于预设值,如果是,则判定为破损区域,如果不是,则判定为非破损区域。
svm分类检测模块:用于对破损检测后的滤布再通过svm分类处理以得到滤布破损状况。所述svm分类检测模块具体包括以下子模块:
计算模块:用于根据灰度图像的灰度等级计算灰度共生矩阵的大小l2;
灰度获取模块:用于取灰度图像中的一点k(x,y),取另一点q(x+a,y+b),将该像素点对的灰度值记为(i,j);
信息获取模块:用于并记录点k在灰度图像上进行移动得到的各个像素点对的(i,j)及距离值;
频数计算模块:用于统计灰度图像中相距为
共生矩阵获取模块:用于将统计得到的每一对(i,j)出现的联合频数n(i,j)排列成一个矩阵h(i,j),其中i和j分别表示矩阵中第i行和第j列,矩阵h(i,j)即为所求的灰度共生矩阵。
上述实施方式仅为本发明的优选实施方式,不能以此来限定本发明保护的范围,本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。