《基于分形的纺织物疵点检测方法》由会员分享，可在线阅读，更多相关《基于分形的纺织物疵点检测方法（4页珍藏版）》请在金锄头文库上搜索。
1、基于分形的纺织物疵点检测方法基于分形的纺织物疵点检测方法摘要：为了提高纺织物疵点检测率，从纺织物纹理具有均匀 性和周期性等特点出发，提出了基于分形的纺织物疵点检测方法，该 方法利用滑动窗口思想计算图像的分形维数，并以此为依据采用Otsu 算法对图像进行分割。实验结果显示该方法的分割精度较高，分割时 间也能满足疵点检测的要求，是一种有效地疵点检测方法。【关键词】疵点检测分形差分盒维数Otsu图像处理1引言纺织物中的疵点是影响纺织物质量的一个重要因素，因此疵点检 测是纺织物质量检测中的一项重要内容。目前的疵点检测几乎都是靠 人工目测完成，该方法工作量大、劳动强度高、检测结果主观性强， 尤其是在工人
2、疲劳的状态下误检率和漏检率很高。采用疵点自动检测 技术来取代人工检测就成了发展的必然趋势，纺织物图像是一种典型 的纹理图像，具有很强的结构性、周期性、均匀性。疵点的出现会打 破纺织物原有的纹理，疵点自动检测就是利用这一特征对纺织物图像 分割，从而达到识别疵点的过程。近年来大量有关疵点自动检测的方 法被提出，例如基于灰度共生矩阵的方法、基于傅立叶变换的方法、 基于小波变换的方法等。因此本文提出了一种基于分形维数的图像分 割方法应用于疵点检测，实验结果表明该方法对疵点的检测是有效的。2差分盒计数法2.1分型理论上世纪70年代Mandelbrot建立了分形理论，利用自然界中的事 物具有自相关性的特点
3、，使用分形维数这一指标来对事物的不规则程 度进行定量衡量。由于自然界中的绝大多数事物都符合分形的特征， 所以该理论一经提出很快就被应用于图像分割领域。在各种计算分形 维数的方法中使用的最为广泛的是差分盒计数法和基于分形布朗运 动自相似模型法。这两种方法应用的对象是不同的，对于粗糙度小的 事物差分盒计数法的值变化的更剧烈，而对于粗糙度大的事物基于分 形布朗运动自相似模型法的值变化的更剧烈。纺织物的粗糙度相对较 小，因此本文采用改进的差分盒计数法。2. 2差分盒计数法改变r值，计算其对应的值，然后用最小二乘法拟合，即可求得 图像的分形维数D。由D的计算过程可知，当图像的纹理是均匀的、 周期性的时候
4、，在盒子尺寸相同的情况下，每一个子块里的盒子数应 该很接近甚至相等，所以最终计算出来的D也相差不大。纺织物疵点 检测图像正符合这种特点，纺织物的纹理也是均匀的、周期性的，所 以不同子块计算出的盒子数也是相近的，当子块中存在疵点时，破坏 了原有图像的纹理，盒子数就会发生较大的变化，D值也就随着发生 变化。因此采用差分盒维数检测疵点是可行的。3基于差分盒子维数的疵点检测算法3. 1算法改进文章第2部分指出使用差分盒维数方法检测疵点是可行的，但不 能直接照搬使用。这是因为一般的差分盒维数计算方法需要将图像分 为若干子块然后计算盒子数，最终求得的D值是整个图像的，也就是 说直接使用的话只能检测出当前图
5、像中是否存在疵点而不能对疵点 进行准确的定位。为了准确定位疵点，本文采用滑动窗口的方法计算 D值。具体做法是：将大小为MXM图像分割为大小为sXs的若干子块,s为整数且， 再将每一个子块分别分割为大小为s，Xs，的子块，令。也就是说 每一个sXs的子块为一个滑动窗口，在每一个滑动窗口内再计算D 值，将结果作为该窗I I中心像素点的分形维数。然后移动窗匚I,计算 出所有像素点的D值。这样算出来的D值有可能不是很准确。这是因 为不同纺织物纹理的周期性不一样，只有窗口大小与纺织物纹理的周 期相吻合，计算出来的D值才是准确的。为了解决这个问题可以在算 法开始时先使用不同的窗口尺寸计算一下，若有较大变化
6、证明窗I I太 小不能包含一个纹理周期，需要扩大窗口直至变化较小，即为合适的 窗口大小。通过图1可发现Otsu算法的分割效果最差，儿乎不能分割出来 疵点，这是因为传统Otsu算法是依靠像素点灰度值进行分割的，疵 点的灰度值和正常纺织物的灰度值相差不大，所以分割效果不好。 GLCM算法分割的效果好于Otsu算法，但与本文算法相比干扰较多。 从分割效果来看本文分割效果最好。再比较三种算法的分割时间，如表1所示。三种算法中Otsu算法分割时间远远小于后两种算法，因为其算 法简单、计算量小。传统GLCM算法分割时间也比本文算法分割时间 要少，这是因为本文算法计算量确实较大。但1.62秒的分割时间也 可
7、以满足疵点检测的实时性要求了。综合分割效果和分割时间可知本 文算法是行之有效的，可以应用于实际检测中。5结论(1) 本文根据纺织物纹理的均匀性、周期性提出了基于分形理 论的疵点检测方法，并通过实验验证该方法是可行的。(2) 该方法的分割精度比一些传统的图像分割算法精度高，能 够降低疵点的误检率和漏检率。(3) 该方法的分割时间能满足检测的实时性要求，但计算量较 大，分割时间过长，可以进一步研究其快速算法以实现进一步的完善。参考文献1 Anagnostopou1os C, Vergados D, Kayafas E, et al. A computer vision approach for t
8、extile quality controlJ.The Journal of Visualization and Computer Animation, 2001 (03).2 Rohrmus D R. Invariant and adaptive geometrical texture features for defect detection and classificationJ. Pattern Recogintion, 2005 (01).3 黎丹，刘哲.织物疵点特征提取主要算法比较J.毛纺科技, 2011 (11).4 姚桂国，钟小勇，梁金祥.基于遗传算法的织物疵点特征选择 J.纺
9、织学报，2009 (10).5 WEN C Y, CHIU S H, HSU W S, et al. Defect segmentation of texture images with wavelet transform and a co-occurrence matrixJ. Textile Res J, 2001 (07).6 CHAN C H, PANG G K H. Fabric defect detection by Fourier analysisJ. IEEE Transactions on Industry Applications, 2000(12).7 Karras D
10、A, Mertzios B G. Improved defect detection using novel wavelet feature extraction involving principal component analysis and neurM network techniquesJ. Lecture Notes in Computer Science, 2002 (02).8 Mohsen G, Geofge H F, Edward R V. Fractal image denoisingJ. IEEE Trans on Image Processing, 2003 (11).9 张涛，孙林，黄爱民.图像分形维数的差分盒方法的改进研究 J.光电与控制,2007 (05).
