>[0130] 步骤2. 4、当达到迭代结束条件时，训练结束，全局最好位置即为所要确定的 Gabor滤波参数的一组最优值；否则，迭代次数加1，转到步骤2. 3。
[0131] 迭代结束条件一般是迭代次数n等于max_n。
[0132] 步骤3、由最优参数构造最优Gabor滤波器，对待检测的经编织物图像进行Gabor 卷积处理；
[0133] 由步骤2得到的最优参数构造最优Gabor滤波器G* (x，y)，对待检测的经编织物 图像为S(x，y)进行Gabor卷积处理，得到卷积后的图像Q(x，y):
[0134]
(18>。
[0135] 步骤4、进行二值化处理得到瑕疵检测结果。
[0136] 在卷积后的图像Q(x，y)中，无瑕疵的区域和有瑕疵的区域图像会有不同的能量 响应值，由式（8)可得到每一像素位置的能量值艮(x，y)。再由下式进行二值化处理：
[0137]
(19)
[0138] 其中B(x，y)是二值图像，根据公式（10) (11)，y是卷积之后图像的能量均值，〇 是能量标准差，c是一个实验常数，由实验得到。
[0139] B(x，y)就是瑕疵检测的最终结果，由B(x，y)来判断是否含有瑕疵。若B(x，y)的 值为1，则待检测图像相对应的像素位置有瑕疵；若B (x，y)的值为0,则待检测图像相对应 的像素位置无瑕疵。
【主权项】
1. 一种基于最优G油or滤波器的经编织物瑕疵检测方法，其特征是，包括W下步骤： 步骤1、构造G油or滤波器，提取G油or滤波参数； 步骤2、对无瑕疵经编织物图像进行G油or卷积处理，采用Fisher准则构造适应度函 数，利用量子行为粒子群优化（QPSO)算法对步骤1提取的Gabor滤波参数进行最优化处 理，得到G油or滤波器的最优参数； 步骤3、由步骤2得到的G油or滤波器最优参数，对待检测的经编织物图像进行G油or卷积处理； 步骤4、进行二值化处理得到经编织物的瑕疵检测结果。2. 如权利要求1所述的基于最优Gabor滤波器的经编织物瑕疵检测方法，其特征是： 所述步骤1按照W下步骤实施： 步骤1. 1、建立G油or滤波函数，具体按照W下方法实施： G油or滤波函数G(X，y)由方向性的复正弦函数调谐的二维Gaussian核函数g(X，y)调 制而成，在空间域中，Gaussian核函数设及到S个参数5x，5y，0，其中Sx为Gaussian核 函数X轴方向上的尺度参数，Sy为Gaussian核函数y轴方向上的尺度参数，0为Gaussian 核函数的旋转角度，（X'，y')是（X，y)旋转0角度之后的坐标；在频率域中，傅里叶变 换设及到频率的立个参数为F(j，U(j，v。，其中F。是楠圆形G油or滤波函数的中屯、频率，U。是X 轴方向上Gabor滤波函数的中屯、频率，V。是y方向上Gabor滤波函数的中屯、频率； 将二维空间中G油or滤波函数表示为：(1)； 其中，? V ，. 步骤1. 2、将空间域中G油or滤波函数经傅里叶变换得到频率域的G油or滤波函数 巧；V口)： ?: 步骤I. 3、从步骤I. 2构造的G油or滤波函数疫!驚碱中提取6个G油or滤波参数（a， 丫，u〇,v〇,F〇，白）。3. 如权利要求2所述的基于最优Gabor滤波器的经编织物瑕疵检测方法，其特征是： 所述步骤1. 1构造的G油or滤波函数G(X，y)中系数F。= 0时，则调制为2-DG油or滤波 函数G(x，y) ;u。= 0、V。= 0时，则调制为楠圆形的G油or滤波函数G(x，y)。4. 如权利要求1所述的基于最优Gabor滤波器的经编织物瑕疵检测方法，其特征是： 所述步骤2按照W下步骤实施： 步骤2. 1、初始化粒子群，包括确定最大迭代次数、捜索空间、粒子的个数、随机初始化 粒子的位置； 步骤2. 2、在第一次迭代时，每个粒子的初始位置为当前个体最好位置；对无瑕疵经编 织物图像进行G油or卷积处理，采用Fisher准则构造适应度函数，计算出每个粒子对应的 函数值；所有粒子的适应度函数值相比较后找到具有最小适应度函数值的粒子，该粒子的 位置即为全局最好位置； 步骤2. 3、对每个粒子的位置进行更新，采用与步骤2. 2相同方法求出每个粒子的适应 度函数值，更新个体最好位置和全局最好位置； 步骤2. 4、当达到迭代结束条件时，训练结束，全局最好位置即为所要确定的G油or滤 波参数的最优值；否则，迭代次数加1，转到步骤2. 3。5. 如权利要求4所述的基于最优Gabor滤波器的经编织物瑕疵检测方法，其特征是： 所述步骤2. 1按照W下步骤实施：设初始时迭代次数n= 0,最大迭代次数为max_n;G油or 滤波参数有（a，丫，u。，V。，F。，0 )，则捜索空间为6维；粒子的个数为M，每个粒子的初始位 置为r二知i,-相.< …沁…，其中i= 1，2，…，M/。6. 如权利要求4所述的基于最优Gabor滤波器的经编织物瑕疵检测方法，其特征是： 所述步骤2. 2中图像经过G油or卷积后的图像R(X，y)可表示为： 略，>:)二了知.如:铅,y)二巧巧'(巧u，v)爸如句) ； 其中，T(X，y)是无瑕疵经编织物图像，R(x，y)是经G油or滤波器卷积后的图像，*是 图像的卷积操作，T(iv诗是图像T(X，y)的傅里叶变换，IDFT是离散傅里叶反变换； 所述G油or卷积后的图像R(x，y)的能量表示为：和環槪緣分别是Ge(x，y)和G>，y)的离散傅里叶变换； 所述根据Fisher准则构造的目标函数表示为：其中，G油or滤波参数巫=(a，丫，U。，V。，F。，0)，y(巫）和O(巫）分别是大小为XXY的图像经过G油or卷积之后的能量均值和标准差； k；? ；? 由此，具有6个决策变量，5个约束条件的非线性规划问题可W描述为：9 '1 在第一次迭代时，每个粒子的初始位置为当前个体最好位置，即巧' = 由Fisher准 则构造的目标函数计算出每个粒子对应的适应度函数值； 所有粒子的适应度函数值相比较后找到具有最小适应度函数值的粒子，该粒子的位置 即为全局最好位置。7.如权利要求4所述的基于最优Gabor滤波器的经编织物瑕疵检测方法，其特征是： 所述步骤2. 3中粒子的位置更新方程为：式中取"+ "或取的概率都为0.5,其中0称为收缩-扩张系数，，1?;为区间（0，1) 上的均匀分布随机数，粒子i的收敛过程W点扣1 ^接墙，9;'^，…Pil)为吸引子，其坐标为：其中與基;是一个区间（0, 1)上均匀分布的随机数；所述步骤2. 3中更新个体最好位置时采用下式： K :，. -S 每个粒子的个体最好位置确定后，根据'9=^-胃^1^^^、^^1//^')更新全局最好位置。8. 如权利要求I所述的基于最优Gabor滤波器的经编织物瑕疵检测方法，其特征是： 所述步骤3中对待检测的经编织物图像为S(X，y)进行G油or卷积处理，得到卷积后的图像 Q(x,y)：9. 如权利要求1所述的基于最优Gabor滤波器的经编织物瑕疵检测方法，其特征是： 所述步骤4中二值化处理采用下式进行：其中B(x，y)是二值图像，是瑕疵检测的最终结果，若B(x，y)的值为1，则待检测图像 相对应的像素位置有瑕疵；若B(x，y)的值为0,则待检测图像相对应的像素位置无瑕疵；y 是卷积之后图像的能量均值，O是能量标准差，C是实验常数，由实验得到。
【专利摘要】本发明涉及一种基于最优Gabor滤波器的经编织物瑕疵检测方法，特征是，包括以下步骤：步骤1、构造Gabor滤波器，提取Gabor滤波参数；步骤2、对无瑕疵经编织物图像进行Gabor卷积处理，采用Fisher准则构造适应度函数，利用量子行为粒子群优化（QPSO）算法对步骤1提取的Gabor滤波参数进行最优化处理，得到Gabor滤波器的最优参数；步骤3、由步骤2得到的Gabor滤波器最优参数，对待检测的经编织物图像进行Gabor卷积处理；步骤4、进行二值化处理得到经编织物的瑕疵检测结果。本发明所述的瑕疵检测方法能提高经编织物瑕疵检测效率和检测准确率。
【IPC分类】G06T7/00
【公开号】CN105205828
【申请号】CN201510686033
【发明人】李岳阳, 蒋高明, 丛洪莲, 夏风林, 尉苗苗
【申请人】江南大学
【公开日】2015年12月30日
【申请日】2015年10月20日