一种基于独立分类型特征提取的织物瑕疵检测方法与流程

1.本发明属于计算机视觉图像处理领域，涉及一种纺织物表面瑕疵快速提取的方法，具体为一种基于独立分类型特征提取的织物瑕疵检测方法。


背景技术：

2.纺织业是我国经济的支柱产业，其发展与我们日常的生活息息相关。随着国际化大发展，我国的纺织品的出口量也在日益剧增，但与之带来的问题也渐渐浮现在人们的面前。在纺织业这个大环境中，由于很早就出现了具有纺织功能的机器，虽然这使得人们的双手得到了较大的解放，但目前在纺织物质量检测领域仍存在着大量的人工投入，因此如何提升纺织产品质量以及生产效率也仍是一个非常重要的问题之一。
3.随着图像处理技术的不断发展，对纺织物瑕疵的检测也相应出现了一些检测手段，使得织物瑕疵检测面向自动化有了一定的可能性，尤其是近些年来一些先进的算法被提出，不管从原理上还是性能上，较之初期都有了进一步的提升，但对于如何提升瑕疵检测的精度和广度，一直是该领域研究的重点。纵观国内外研究现状，在纹理特征提取中有基于统计的方法、基于频域的方法以及基于模型的方法，这些方法在一定程度上对织物瑕疵检测有一定的效果，但多数也仅限于试验阶段，而且只是针对素色织物，能真正应用于实际工作环境可谓是少之又少，可以见得该领域还存在着较大的研究空缺。
4.织物瑕疵检测的对象大致分为两种，一种是素色织物，另一种是印花织物，相比于印花织物的瑕疵检测，素色织物由于色类单一在算法实现上相对较为容易一些，也是广大学者算法研究的重点。比如，conci等人借鉴分型思想进行织物瑕疵检测，采用差分盒计数法以获取更快的检测效率；henbury等人利用形态学获取图像方向特征进行织物瑕疵检测，其效果良好但受人工干预。因此目前在织物瑕疵检测上仍还有很大的改进空间，尤其是对印花织物的瑕疵检测研究。鉴于此本发明提出一种基于独立分类型特征提取的织物瑕疵检测方法，通过不同的图像预处理方式，利用多线程技术将瑕疵独立分类型的提取，以实现对包含规则图案或者素色织物的瑕疵检测。


技术实现要素：

5.针对上述织物瑕疵检测过程中存在的缺陷或不足，本发明的目的在于提供一种基于独立分类型特征提取的织物瑕疵检测方法，解决上述因瑕疵检测对象单一、检测效率低而难以真正应用于生产实际的问题。
6.为达到以上目的，本发明的技术方案为：包括样本图像的建模过程，检测图像的预处理、色块匹配及提取过程，以及运用内嵌、凸包检测等算法进行独立分类型特征提取的过程。
7.样本图像建模过程包括种子点选取、色块聚类并获取色块信息，其中种子点选取是在样本图像某一色块上随机选取一像素点，其色度距离colordis值由来进行计算，而式中分别是该色块类
相应的累计均值，由计算所得，据此我们便可以通过条件：colordis≤v
threshold
来对相邻两元素进行判断其是否属于该色块类，其中v
threshold
为距离阈值。以此类推，对样本图像上的每一类色块都进行相应的聚类，我们就可以得到相应的色块聚类信息，这里包括色块的平均lab值，以及相应的色块种类数等信息；
8.检测图像预处理主要是涉及下采样、色度空间转换以及图像高斯滤波等环节。其中下采样是为了降低图像处理的复杂度，设置尺度因子为0.5，此时图像尺寸大小仅为原图的一半；另外将图像通道从rgb空间转换到lab空间，使得后面色块提取更加容易；再加之以高斯滤波处理，而这里所选用的高斯滤波卷积核大小为7*7，以来减少噪声对后面色块提取的影响；
9.所述的样本图像，在建立模型之前也是需要经过与检测图像同样的预处理过程，只不过是缺少下采样这一处理，这样做的目的是为了保证模型与实际检测过程更加贴切，以避免检测性能降低；
10.所述的距离阈值，取决于图像采集的光照强度，此参数需要在实验条件下进行标定，以保证模型的准确性和有效性；此阈值大小决定着后面色块提取的效果，该值设置过小则会是色块分离过于离散，严重情况下则会导致规则色块轮廓残缺，而无法进行色块轮廓分析，过大则会导致有些色块融合也不利于进行轮廓分析；因此距离阈值的选择非常重要，必须进行现场的标定；
11.所述的色块轮廓残缺，是对织物表面上规则色块提取时，由于检测图像受光照或者相机的原因导致规则色块提取不完整，而引起的轮廓残缺；
12.所述的色块融合，是由于分散的规则色块在图像上的物理位置距离较近，在距离阈值设置过大的情况下进行提取色块所出现的融合现象，导致色块轮廓发生变形，从而影响轮廓分析过程；
13.色块匹配及提取，是通过将检测图像的每一像素点的信息与模型各类色块进行对比，从而进行信息匹配，把不属于模型色块的区域标记至瑕疵标记图上，并将每一类色块进行独立提取记录在若干张新图上面，后面再对该新图进行相应的再处理，以多线程的程序设计形式，分别同时送入内嵌、凸包检测算法中进行织物瑕疵提取，最后分别再把内嵌、凸包两种类型的瑕疵标记在瑕疵标记图上；
14.所述的凸包瑕疵，是指对原有模型色块边缘形状造成改变的瑕疵；
15.所述的内嵌瑕疵，是指属于模型内的色块在色度正常的情况下所存在的瑕疵，其不会影响色块的轮廓形状，但影响了色块的轮廓的位置关系；
16.内嵌、凸包缺陷检测过程，包括轮廓形状以及位置关系的分析，主要是为了解决色块因瑕疵引起的轮廓形状变形以及轮廓位置关系异常的问题，旨在为了提取这两种情况所引起的织物瑕疵；
17.所述的轮廓形状异常，是对提取的每一类色块进行轮廓提取，运用凸包分析，寻找规则轮廓边缘因瑕疵而产生凸包的区域。由于提取的色块轮廓并不是完全光滑的，所以此处也会设定相应的阈值来滤除一些误检的凸包区域；
18.进一步的，轮廓关系异常是通过判断一个轮廓是否有外轮廓，来鉴定其是否属于内嵌瑕疵，同样这里也需要设定一定阈值，来滤除过小的内嵌轮廓，以避免误检的出现。
19.与现有技术比较，本发明的有益技术效果为：
20.1.本发明提供了一种基于独立分类型特征提取的织物瑕疵检测方法，能够在一定程度上解决对基本的印花织物瑕疵检测，其应用在验布机实际工作当中，将会大大地提高织物瑕疵检测的效率，尤其是在一些印花织物检测上面。该方法通过对样本图像建模，继而与检测图像进行匹配，标记出色度异常的区域，并提取相应的色块，在多线程设计下，分别送入相应的检测算法中，独立分类型地对织物瑕疵进行提取。这一过程在很大程度上优化了织物瑕疵检测的复杂度，尤其是在算法布置上面，不仅能够做到模块化程序设计，而且在织物检测上面能够根据瑕疵特征进行独立提取，避免了各类型瑕疵之间特征的混叠而导致误检漏检现象；
21.2.对于织物瑕疵检测算法的研究，虽然目前已有大量的研究成果，但大多数研究成果仅仅只能停留在试验阶段，要么是不稳定或者检测对象单一，要么是时间或空间复杂度高，对于应用在生产实际，则显得有些局限。本发明通过对瑕疵产生的原因进行分析，以一种独立分类型的方式进行提取，一方面减小了算法的复杂度，另一方面使织物瑕疵检测过程更加有条理性和完备性，从而实现织物瑕疵检测的精度和广度；
附图说明
22.图1是瑕疵特征提取方法的流程图；
23.图2是瑕疵类型样本图；
24.图3是内嵌缺陷检测过程图；
25.图4是凸包缺陷检测过程图；
26.图5是瑕疵独立分类型提取过程的示意图；
27.图6是本发明内嵌、凸包缺陷检测流程图；
28.其中在图2中，1-内嵌缺陷；2-色度异常；3-凸包缺陷；
29.在图5中，4-瑕疵提取图像；5-瑕疵标注图像。
具体实施方式
30.下面结合附图对本发明做进一步详细的描述。
31.如图1所示，本发明提供了一种基于独立分类型特征提取的织物瑕疵检测方法，包括用于建立模型过程的预处理方法和建模原理、用于色度异常检测过程的原理、用于色块提取的方法、凸包和内嵌算法的设计以及织物瑕疵汇总标记的方法；
32.如图2所示，为瑕疵类型的样本图，在该图中包含了内嵌类型瑕疵1、色度异常瑕疵2以及凸包类型瑕疵3，这些类型的瑕疵也是离散规则图案类织物常出现的三种；其中色度异常瑕疵2是指存在一处区域的颜色因不存在于模型内而被判定为瑕疵的一种类型，内嵌类型瑕疵1是指存在一处区域的颜色虽然包含在模型内，但是由于位置包含关系错误而被标定为瑕疵的一种类型，而凸包类型瑕疵3是指存在一处区域的颜色同样也包含在模型内，但却由于影响了色块边缘的形状被标定为瑕疵的一种类型；
33.色块提取过程主要是根据模型内的信息，对检测图像的每一像素点进行分析，从而来进行标记色块类别；
34.如图3、4所示，其分别是内嵌缺陷和凸包缺陷检测过程图，其中内嵌缺陷检测过程
图显示了内嵌检测算法如何对色块的轮廓关系进行分析，而凸包检测过程图显示了凸包检测算法如何对色块的轮廓形状进行分析，具体的算法实施原理如图6所示；
35.其中内嵌检测和凸包检测算法是并行布置在两个线程上，以保证织物瑕疵检测的效率；
36.如图6所示，为本发明内嵌、凸包缺陷检测流程图，主要包含图像腐蚀、轮廓提取、轮廓分析以及标记异常并合并标注框等过程。其中轮廓关系分析，是首先通过轮廓长度计算，判断其是否满足一定阈值，再通过判断其是否存在外轮廓来实现检测；轮廓形状分析与轮廓关系分析类似，只不过是在满足轮廓长度阈值后，去判断该轮廓是否存在一定大小的凸包；而在异常标记汇总中往往会出现瑕疵标记重复的现象，在这里本发明采用一种就近包容的原则，对重叠的标记框进行了合并，这样就避免了重复标记的现象；
37.图像预处理是高斯滤波的卷积核大小为7*7，图像二次处理的图像腐蚀操作所采用的卷积核为5*5；
38.如图5所示，为瑕疵独立分类型提取过程的示意图，该图从原理上展示了整个方法的原理及相应的实施过程；
39.下面是本发明具体的工作过程：
40.如图1所示，其为瑕疵特征提取方法的流程图，该方法从整体上共分为三个阶段：模型建立阶段、色度匹配及提取阶段、内嵌凸包分析及标注阶段；该三个阶段虽在整体布局上为串行执行，但在内嵌、凸包分析时采用的是双线程设计，实为并行执行，这样的程序设计框架也在一定程度上面加速了织物瑕疵的检测过程；
41.这里首先从模型建立开始，因为建立模型是本方法后面算法实施的基础，这里为了减轻算法处理的数据量，在预处理过程中首先对送入的图像进行下采样，使图像的尺寸大小减小一半，然后将图像的通道从rgb转换到lab空间内，随后再进行卷积核大小为7*7的高斯滤波，以达到对图像的预处理；而模型建立主要是通过完成种子点选取、色块聚类以及获取色块信息来实现，其需要对样本图像上的每一类色块都进行相应的聚类，就可以得到相应的色块聚类信息，这里包括色块的平均lab值，以及相应的色块种类数等信息；
42.接下来是色度匹配及提取过程，通过加载之前建立的模型，同样与处理样本图像一样，这里需要对待检测图像进行同样的预处理；预处理结束后，通过对预处理后的待检测图像像素逐一遍历，并与模型信息进行匹配，这样不仅可以对因色度异常的引起的瑕疵进行提取，而且也可以实现对属于模型内的色块分别进行提取，以来进行色块轮廓的内嵌、凸包分析；
43.最后，经过以上的操作就有了各类色块的独立图像，如图5所示，便可以通过内嵌、凸包检测算法实现对每一色块的轮廓进行位置关系和轮廓形状进行分析，从而得到存在包含关系异常和轮廓形状异常的瑕疵区域；对织物瑕疵进行独立分类型特征提取之后，再进行相应的后处理就自然实现了对织物的瑕疵检测过程。
44.本发明基于独立分类型特征提取技术实现了对织物瑕疵的检测的目的，尤其是针对包含离散规则图案或者素色织物的瑕疵检测，相信其会在实际的工作环境当中具有广泛的应用。