一种基于图像分解的印花图案织物瑕疵检测方法
【技术领域】
[0001] 本发明属于图像处理、模式识别与机器视觉技术领域，具体涉及一种基于图像分 解的印花图案织物瑕疵检测方法。
【背景技术】
[0002] 随着科学技术的迅猛发展，我国纺织行业竞争日趋激烈，布匹质量的优劣程度对 纺织生产影响相当之大，含有瑕疵的服装将按折扣价销售，从而使各大纺织企业面临着高 标准，严要求的巨大压力。在纺织产品生产中，布面瑕疵是影响织物质量的主要因素，织物 表面瑕疵检验是一个非常重要的环节。目前，国内大多数企业仍旧采用传统的人工目测的 方法对纺织品质量进行检测，因受工作环境和劳动强度的影响使得检测效率较低，据测试， 人工检测大概只能检测出40% -60%的瑕疵，即使熟练的验布工人也只能发现大约70%的 瑕疵。传统的人工检测方法劳动强度大，漏检和误检率高等缺点，已经成为提高纺织企业生 产效率的瓶颈之一。
[0003] 自二十世纪七十年代以来，随着数字集成技术和图像处理技术的飞速发展，机器 视觉已经在工业表面检测领域中得到越来越广泛的应用，以计算机视觉来代替人工视觉不 仅可以提高检测速度，降低劳动成本，而且通过印花织物瑕疵自动检测系统进行瑕疵检测 为印花织物质量等级的评定，提供了双方可信的参考数据。
[0004] 目前，基于机器视觉的印花织物瑕疵在线检测已经成为纺织学科和信息科学的学 者积极参与的前沿交叉研究领域。国内外许多研究学者已经提出了多种基于机器视觉的 织物瑕疵检测算法，如基于统计学方法的自相关函数法、共生矩阵法、数学形态学法；在频 域提取特征值的傅里叶变换法、Gabor滤波器法、小波变换法以及基于模型算法的自回归模 型、马尔科夫随机场法等。Mak等利用数学形态学滤波器对织物进行处理，完成织物的瑕疵 检测。Tsai和Hu提出四种不同的瑕疵织物的傅里叶模型，并利用这些模型提取织物瑕疵的 傅里叶特征。Xu Y等人提出了一种通过使用Gabor函数奇部分的无监督的瑕疵检测算法。 但这些算法主要是针对于纹理结构较为简单的平纹和斜纹织物，而对于包括星型，方格型， 圆点型等相对复杂的印花图案织物的瑕疵检测研究相对较少。因此，如何对印花图案织物 进行瑕疵检测具有较深刻的研究意义。
[0005] 小波预处理黄金模板相减匹配（WGIS)法，基于图案纹理周期性的规则带（RB)法， 基于图像像素标准偏差的布林带（BB)法以及基于图案基元的瑕疵检测算法等都是目前存 在的几类针对于印花织物的瑕疵检测算法，这几种算法都是基于统计学方法与滤波方式相 结合的算法。其中，基于图案纹理周期的规则带（RB)法主要是采用两个相关互补的织物瑕 疵纹理特征来实现织物窗口的特征提取，但是织物窗口的设置没有统一的方法，难以实时 检测织物图案瑕疵；而基于图像像素标准偏差的布林带（BB)法则是针对规则重复单元的 印花织物，计算上界带与下界带的标准偏差，通过训练过程和检测过程，识别织物瑕疵，但 是对于比单个重复单元还要小的疵点，通过布林带方法是很难准确检测出来的。
【发明内容】
[0006] 本发明的目的是提供一种基于图像分解的印花图案织物瑕疵检测方法，解决了现 有技术不能准确检测出相对较细小疵点的问题。
[0007] 本发明所采用的技术方案是，一种基于图像分解的印花图案织物瑕疵检测方法， 具体按照以下步骤实施：
[0008] 步骤1、采集印花图案织物的图像；
[0009] 步骤2、对步骤1采集到的图像进行预处理，即对图像增强得到目标图像I ;
[0010] 步骤3、采用Gaussian回代交替方向法对步骤2中的目标图像I进行分解，分解为 纹理部分V和瑕疵部分u。
[0011] 本发明的特点还在于：
[0012] 步骤2采用直方图均衡化的方法对图像进行预处理，得到目标图像I的过程具体 为：
[0013] 假设图像有S阶，通过式（1)可以得到目标图像I为：
[0015] 其中，m是图像的灰度级，η是图像的总像素个数，叫是i灰度级上的像素个数， P(A)则代表i灰度级上的概率密度，T (rj是m灰度级上像素的非线性变换函数。
[0016] 步骤3中Gaussian回代交替方向法对目标图像I进行分解的具体步骤为：
[0017] 首先引入凸优化模型，Bp求解 min Θ i (X1) + θ 2(Χ2) + θ 3(x3)，服从于 A1XfA2XjA3X3 =b，XiG X p i = 1，2,3,其中Θ i:
为凸函数，为给定矩阵， '为非空的凸子集，be R1为已知向量；其中，凸优化问题的拉格朗日算子λ GR1函 数定义为：
[0019] 拉格朗日算子λ的空间范围为Q = X1XX2XX3XR1;
[0020] 其次，应用Gaussian回代交替方向法解决凸优化模型问题，具体为：
[0021] ①定义参数：
[0022] V = (χ2, χ3, λ) (3)
CN 105184777 A 说明书 3/10 页
[0027] 其中，E为单位矩阵，惩罚参数β > 0, V = X2XX3XR1;
[0028] ②交替方向法具体为：
[0032] 重复执行②、③，直到
，迭代结束，
[0033] 其中，a e [0. 5, 1)，公差 ε > 0, ，且初始向量
[0034] 假设目标图像I e Rn，结合上述Gaussian回代交替方向法的凸优化模型来分解下 式目标图像I :
[0036] 即得到印花图案织物图像的纹理部分V和瑕疵部分u ;
[0037] 其中，P多1，V = divg，▽表示一阶导数算子，div = - ▽ τ是散度算子，τ彡1、 μ多1分别是用来权衡目标函数（10)的三个组成部分的权衡参数；
[0038] 第一项I I I Vul I I1Su的总变差范数，假设对于任意的Z = (Zl，z2，...，zn)TeRn，
代表Z的P范数，而对于任意的y = (Y1, y2) e RnXRn，|y I表示Rn* 的一个向量，并由下式给出：
[0042] 第三项I I I g| I |p，我们首先考虑在负指数Sobolev空间中，对于任意的u e Rn， Iulllp= lllulll p，VpH;也就是说此空间中总变差范数就是半范数Il · Il1, i， I I · I 11ιΡ 的对偶范数记作 I I · I I "，l/p+1/q = 1，且被定义为：V liq= inf{ I I I g| I I q}，g e RnXRn，所以，对于公式（10)中的第三项I I |g| I |p，一般情况下取P -①，可以得出
[0043] 还包括步骤4、计算瑕疵织物的纹理部分V与无瑕疵织物W的相关性 Corr (W，V ( τ，μ ))为：
[0045] 其中，cov()和var()分别为协方差和方差；
[0046] Corr (W, V ( τ，μ ))接近于1时（τ，μ )的值为最优权衡参数，此时，目标图像分解 为纹理部分ν'和瑕疵部分u'。
[0047] 还包括步骤4、采用基于像素灰度值及像素点邻域灰度值的二维Otsu阈值的图像 分割方法对步骤3得到的瑕疵部分u进行分割，将瑕疵部分u设为原始图像，取图像的阈值 为Τ，则分割后的二值图像f(x，y)为：
[0049] 式中：0表示像素为黑色，1表示像素为白色。
[0050] 还包括步骤4、计算瑕疵织物的纹理部分V与无瑕疵织物W的相关性 CN 105184777 A 说明书 5/10 页
[0052] 其中，cov()和var ()分别为协方差和方差；
[0053] Corr (W, V ( τ，μ ))接近于1时（τ，μ )的值为最优权衡参数，此时，目标图像分解 为纹理部分ν'和瑕疵部分u' ；
[0054] 步骤5、采用基于像素灰度值及像素点邻域灰度值的二维Otsu阈值的图像分割方 法对步骤4得到的瑕疵部分u'进行分割，将瑕疵部分u'设为原始图像，取图像的阈值为Τ， 则分割后的二值图像f(x，y)为：
[0056] 式中：0表示像素为黑色，1表示像素为白色。
[0057] 本发明的有益效果是：本发明是一种基于图像分解的印花图案织物瑕疵检测方 法，采用基于Gaussian回代交替方向法的图