基于模式识别和图像处理的纺织品瑕疵自动检测及分类方法

摘要

本发明公开的一种基于模式识别和图像处理的纺织品瑕疵自动检测及分类方法，具体按照以下步骤实施：1）构建基于模式识别和图像处理的设备；2）采集分辨率为2048×2048大小的RGB彩色织物图像；3）对采集的彩色织物图像进行预处理；4）建立方法库；5）对布匹上的瑕疵区进行查找和定位；6）采集布匹上瑕疵区的特征值；7）对采集的特征值进行处理；8）使用“量化共轭BP神经网络算法”对经步骤7降维后的数据进行分类。该方法能够将布匹上的瑕疵进行进行检测并分类，具有检测速度快、分类明确、人工劳动强度低的优点。

主权项

基于模式识别和图像处理的纺织品瑕疵自动检测及分类方法，其特征在于，具体按照以下步骤实施：步骤1、构建基于计算机视觉的纺织品在线检测系统的硬件平台：基于计算机视觉的纺织品在线检测系统的硬件平台，包括有通过导线依次连接的计算机，双路线阵CCD摄像头以及相配套的图像采集卡；双路线阵CCD摄像头与图像采集卡之间采用Base模式下的Camera Link串行通信方式进行数据的高速传输，CCD摄像头采集的模拟信号经过图像采集卡转换成数字信号后传送给计算机进行处理；步骤2、利用图像采集卡采集数据：用步骤1中构建的硬件平台中内的图像采集卡采集分辨率为2048×2048大小的RGB彩色织物图像；步骤3、对采集到的彩色织物图像进行预处理：将步骤2中图像采集卡所采集到的彩色织物图像进行灰度转化和直方图均衡的预处理；步骤4、建立方法库，利用方法库检测布匹图像存在瑕疵并对图像瑕疵进行分割：将Gabor滤波器组，Gauss平滑背景分析法和多尺度小波分析三种检测方法级联形成一个检测系统，即方法库；将步骤3预处理的彩色织物图像送入方法库，方法库中任何一种方法能够检测出来疵点，都认为被检测的布匹图像存在瑕疵；再利用模型阈值选取和自动最优阈值分割的方法对布匹图像疵点进行分割；步骤5、对布匹上的瑕疵区进行查找和定位：用数学上的“四叉树”逻辑对经步骤4检测出的布匹图像上的瑕疵区域进行边缘查找和定位分析；步骤6、采集布匹瑕疵图像上的特征值；1）采用“共生灰度矩”从步骤5查找和定位的瑕疵图像中提取特征值，在每个含有瑕疵的子区域分四个方向提取特征值，这四个方向分别为：0度、45度、90度、135度，每个方向取四个特征值，一共采集十六个特征值；2）利用基于人类视觉感知特征的“Tamura纹理的特征”提取方法对瑕疵图像进行特征值的采集，采集六个特征值：这六个特征值即为粗糙度、对比度、线性度、规整度、粗略度和方向度；连同1）中的16个特征值共22个特征值；步骤7、对采集到的所有特征值进行处理：利用主成分分析即PCA分析，对步骤6中所采集到的22个特征值进行降维处理；步骤8，对布匹进上的瑕疵进行分类；使用“量化共轭BP神经网络算法”对经步骤7降维处理后的数据进行分类，即对瑕疵进行分类。