專利名稱：一種用于表征織物紋理的基于Sobel算子的概貌與細(xì)節(jié)混合特征向量提取方法
技術(shù)領(lǐng)域：
本發(fā)明屬于數(shù)字圖像處理和模式識(shí)別領(lǐng)域，特別涉及一種用于表征織物紋理的基 于Sobel算子的概貌與細(xì)節(jié)混合特征向量提取方法。
背景技術(shù)：
借助織物紋理表征技術(shù)能夠?qū)崿F(xiàn)織物紋理參數(shù)估計(jì)、紋理分類、織物外觀評(píng)價(jià)、瑕 疵檢測等等目的。任何織物紋理都包含兩方面的重要信息，即概貌信息和細(xì)節(jié)信息。概貌 信息為人眼或機(jī)器視覺提供總體的粗略的結(jié)構(gòu)和灰度印象，而細(xì)節(jié)信息則提供局部的精細(xì) 的結(jié)構(gòu)和灰度印象。因此，要全面和細(xì)致地表征紋理結(jié)構(gòu)，最大限度地反映紋理特點(diǎn)，在特 征提取時(shí)就必須兼顧紋理的概貌和細(xì)節(jié)信息。為了便于表述，本申請擬將那些主要反映概 貌信息的特征稱為概貌特征，而將那些主要反映細(xì)節(jié)信息的特征稱為細(xì)節(jié)特征。顯然，概貌 特征和細(xì)節(jié)特征各有側(cè)重，具有極大的互補(bǔ)性。本發(fā)明旨在討論基于Sobel算子濾波理論 的概貌和細(xì)節(jié)混合特征向量提取方法，用以表征織物紋理。Sobel算子是圖像處理中的算子之一，主要用作邊緣檢測。在技術(shù)上，它是一離散 性差分算子，用來運(yùn)算圖像亮度函數(shù)的梯度之近似值。在圖像的任何一點(diǎn)使用此算子，將會(huì) 產(chǎn)生對(duì)應(yīng)的梯度矢量。Sobel算子有兩個(gè)，一個(gè)檢測水平邊緣，另一個(gè)檢測垂直邊緣。Sobel 算子在圖像空間利用兩個(gè)3X3的方向模板或者說卷積核與圖像中每個(gè)點(diǎn)進(jìn)行鄰域卷積來 完成邊緣檢測，這兩個(gè)方向模板其中一個(gè)通過近似垂直方向梯度而增強(qiáng)圖像的水平方向邊 緣，另一個(gè)則通過近似水平方向梯度而增強(qiáng)圖像的垂直方向邊緣。Sobel水平和垂直邊緣增 強(qiáng)模板分別為
2 η7； = O O O
_1 -2 -1
V 1 ^ iJ
O -1)和7；= 2 0-2
U。"1>在織物紋理的Sobel算子表征領(lǐng)域，尚未見到有關(guān)的國內(nèi)文章或?qū)＠麍?bào)道。為了 檢測織物缺緯瑕疵，美國的Jasper和Potapalli采用Sobel水平濾波算子對(duì)織物圖像進(jìn)行 了濾波處理，但僅僅提取了 Sobel濾波后的邊緣圖像剖面圖，未進(jìn)行更深入的紋理表征分 析，且只涉及一個(gè)Sobel濾波算子。為了檢測織物瑕疵，Lane在其申請的美國國家專利中 提出了一種采用Sobel算子和數(shù)學(xué)形態(tài)學(xué)相結(jié)合的紋理表征方法，其方法為，首先對(duì)原圖 像進(jìn)行Sobel水平和垂直濾波，然后對(duì)兩個(gè)濾波圖像進(jìn)行融合，然后將該圖像二值化處理， 接著進(jìn)行二值化圖像的數(shù)學(xué)形態(tài)學(xué)處理，最后以邊界點(diǎn)作為表征紋理的特征。該報(bào)道沒有 考慮以紋理周期基本循環(huán)長度作為特征提取的依據(jù)，沒有說明二值化閾值的選取方法，所 提取的單一特征也僅僅涉及邊界點(diǎn)像素?cái)?shù)量，并且未明確定義邊界點(diǎn)的含義，未考慮邊界
4點(diǎn)在圖像中的分布情況。上述已有文獻(xiàn)或?qū)＠婕暗目椢锛y理表征方法對(duì)織物紋理信息的表征都是局限 在全局特征的提取，未能兼顧織物紋理的概貌和細(xì)節(jié)信息，因而不能全面和細(xì)致地表征織 物紋理的本質(zhì)特點(diǎn)。此外，上述Sobel算子紋理表征方法主要特點(diǎn)在于，紋理圖像經(jīng)Sobel 算子濾波處理后，必須選取一定的閾值以實(shí)現(xiàn)圖像的二值化。這樣有兩個(gè)主要缺點(diǎn)一是針 對(duì)不同紋理選取最優(yōu)閾值是一件困難的事情；二是圖像經(jīng)二值化處理后，大量的灰度過渡 信息被損失掉，只剩下全黑和全白的二值信息，而待處理的紋理圖像通常具有256個(gè)灰度 級(jí)。因此，上述處理方法較為繁瑣且在此基礎(chǔ)上提取的特征不能實(shí)現(xiàn)對(duì)紋理更充分更貼切 的表征。

發(fā)明內(nèi)容
本發(fā)明屬于數(shù)字圖像處理和模式識(shí)別領(lǐng)域，特別涉及一種用于表征織物紋理的基 于Sobel算子的概貌與細(xì)節(jié)混合特征向量提取方法。首先對(duì)原織物圖像分別進(jìn)行水平和垂 直Sobel算子濾波處理，得到兩幅相應(yīng)的濾波圖像；從兩幅濾波圖像中各自計(jì)算方式一致 的一組灰度統(tǒng)計(jì)量作為概貌特征；同時(shí)依據(jù)織物紋理基本循環(huán)周期和遍歷法原理從兩幅濾 波圖像中計(jì)算得到四個(gè)極值灰度統(tǒng)計(jì)量作為細(xì)節(jié)特征，該灰度統(tǒng)計(jì)量與計(jì)算概貌特征時(shí)選 用的灰度統(tǒng)計(jì)量一致；最后將上述兩個(gè)概貌特征與四個(gè)細(xì)節(jié)特征組成混合特征向量。這種 混合特征向量內(nèi)各特征間具有高度的互補(bǔ)性，兼顧紋理的概貌信息和細(xì)節(jié)信息，也兼顧紋 理的橫向信息和縱向信息，能夠全面和細(xì)致地刻畫織物紋理特點(diǎn)。本發(fā)明的一種用于表征織物紋理的基于Sobel算子的概貌與細(xì)節(jié)混合特征向量 提取方法。首先對(duì)原織物圖像分別進(jìn)行水平和垂直Sobel算子濾波處理，得到相應(yīng)的兩幅 濾波圖像；從兩幅相應(yīng)濾波圖像中各自計(jì)算方式一致的各一個(gè)成為一組灰度統(tǒng)計(jì)量作為概 貌特征；同時(shí)依據(jù)遍歷法原理分別計(jì)算兩幅濾波圖像中每一個(gè)包含一個(gè)橫向基本循環(huán)周期 和每一個(gè)包含一個(gè)縱向基本循環(huán)周期的子窗口的灰度統(tǒng)計(jì)量，該灰度統(tǒng)計(jì)量與計(jì)算概貌特 征時(shí)選用的灰度統(tǒng)計(jì)量一致，最后從中選取兩個(gè)反映橫向細(xì)節(jié)信息的灰度統(tǒng)計(jì)量極值和兩 個(gè)反映縱向細(xì)節(jié)信息的灰度統(tǒng)計(jì)量極值作為表征織物紋理的細(xì)節(jié)特征；最后將上述兩個(gè)概 貌特征與四個(gè)細(xì)節(jié)特征組成混合特征向量。所述的用于表征織物紋理的Sobel算子濾波概貌與細(xì)節(jié)混合特征向量的提取過 程如下首先采集數(shù)字化織物紋理圖像，記為W，W為矩形，其尺寸長X寬為L1XL2,即橫向 和縱向長度分別為L1和L2,而其沿橫向的基本周期即列周期為P1個(gè)像素，沿縱向的基本周 期即行周期為P2個(gè)像素，行周期和列周期均指取整后的像素?cái)?shù)，P1通過計(jì)算W的任一行圖 像像素灰度值集合的基本循環(huán)周期得到，P2通過計(jì)算W的任一列圖像像素灰度值集合的基 本循環(huán)周期得到。對(duì)原始織物圖像矩形窗口 W進(jìn)行Sobel算子水平濾波，經(jīng)濾波后的圖像記為Wh，選 擇一種灰度統(tǒng)計(jì)量，計(jì)算Wh的該灰度統(tǒng)計(jì)量，作為表征織物紋理水平信息的概貌特征之一， 記為Eh ；在濾波后的織物圖像矩形窗口 Wh中建立矩形子窗口 W2，所述的矩形子窗口 W2的長 度等于濾波后的織物圖像矩形窗口 Wh的長度L1，所述的矩形子窗口 W2的寬度等于織物紋理
5圖像縱向基本循環(huán)周期單位長度即行周期單位長度P2，將矩形子窗口 W2以每次固定的步長 垂直地滑移以遍歷整個(gè)Wh，選用與計(jì)算Eh —致的灰度統(tǒng)計(jì)量，從而相應(yīng)求得一系列灰度統(tǒng) 計(jì)值，分別記其中的最小者和最大者為E1和EyE1即為橫向邊緣極小統(tǒng)計(jì)量，E2即為橫向邊 緣極大統(tǒng)計(jì)量；對(duì)原始織物圖像矩形窗口 W進(jìn)行Sobel算子垂直濾波，經(jīng)濾波后的圖像記為Wv，選 用與計(jì)算Eh —致的灰度統(tǒng)計(jì)量，計(jì)算Wv的該灰度統(tǒng)計(jì)量，作為表征織物紋理垂直信息的概 貌特征之一，記為Ev;在濾波后的織物圖像矩形窗口 Wv中建立矩形子窗口 W’工，所述的矩形子窗口 W1的 長度等于織物紋理圖像橫向基本循環(huán)周期單位長度即列周期單位長度P1，所述的矩形子窗 口 W1的寬度等于濾波后的織物圖像矩形窗口 Wv的寬度L2，將矩形子窗口 W1以每次固定的 步長水平地滑移以遍歷整個(gè)Wv，選用與計(jì)算Eh—致的灰度統(tǒng)計(jì)量從而相應(yīng)求得一系列灰度 統(tǒng)計(jì)值，分別記其中的最小者和最大者為&和E4,E3即為縱向邊緣極小統(tǒng)計(jì)量，E4即為縱向 邊緣極大統(tǒng)計(jì)量；最終得到表征織物紋理的混合特征向量[Eh Ev E1 E2 E3 E4]。作為優(yōu)選的技術(shù)方案其中，如上所述的一種用于表征織物紋理的基于Sobel算子的概貌與細(xì)節(jié)混合特 征向量提取方法，所述的灰度統(tǒng)計(jì)量可以為仙農(nóng)熵、灰度均值或灰度標(biāo)準(zhǔn)差。如上所述的一種用于表征織物紋理的基于Sobel算子的概貌與細(xì)節(jié)混合特征向 量提取方法，所述的織物為機(jī)織物。如上所述的一種用于表征織物紋理的基于Sobel算子的概貌與細(xì)節(jié)混合特征向 量提取方法，所述的織物紋理圖像的橫向與緯紗方向一致，而織物紋理圖像的縱向與經(jīng)紗 方向一致，旨在更好地發(fā)揮Sobel算子水平和垂直濾波的效果，從而更好地表征織物紋理 的緯紗信息和經(jīng)紗信息。如上所述的一種用于表征織物紋理的基于Sobel算子的概貌與細(xì)節(jié)混合特征向 量提取方法，所述的固定的步長為1 3像素。一種用于表征織物紋理的基于Sobel算子的概貌與細(xì)節(jié)混合特征向量提取方法， 所述的矩形子窗口 W1的水平滑移固定步長與W2的垂直滑移固定步長不必相同。如上所述的一種用于表征織物紋理的基于Sobel算子的概貌與細(xì)節(jié)混合特征向 量提取方法，其中上述基本循環(huán)周期P1和P2的計(jì)算借助一維快速傅里葉變換(FFT)實(shí)現(xiàn)。 對(duì)于N點(diǎn)序列χ (η)，其FFT變換對(duì)定義為
權(quán)利要求
一種用于表征織物紋理的基于Sobel算子的概貌與細(xì)節(jié)混合特征向量提取方法，其特征是首先對(duì)原織物圖像分別進(jìn)行水平和垂直Sobel算子濾波處理，得到相應(yīng)的兩幅濾波圖像；從兩幅相應(yīng)濾波圖像中各自計(jì)算方式一致的各一個(gè)成為一組灰度統(tǒng)計(jì)量作為概貌特征；同時(shí)依據(jù)遍歷法原理分別計(jì)算兩幅濾波圖像中每一個(gè)包含一個(gè)橫向基本循環(huán)周期的子窗口的灰度統(tǒng)計(jì)量和每一個(gè)包含一個(gè)縱向基本循環(huán)周期的子窗口的灰度統(tǒng)計(jì)量；這里所述的灰度統(tǒng)計(jì)量與計(jì)算概貌特征時(shí)選用的灰度統(tǒng)計(jì)量一致，最后從中選取兩個(gè)反映橫向細(xì)節(jié)信息的灰度統(tǒng)計(jì)量極值和兩個(gè)反映縱向細(xì)節(jié)信息的灰度統(tǒng)計(jì)量極值作為表征織物紋理的細(xì)節(jié)特征；最后將上述兩個(gè)概貌特征與四個(gè)細(xì)節(jié)特征組成混合特征向量；所述的用于表征織物紋理的Sobel算子濾波概貌與細(xì)節(jié)混合特征向量的提取過程如下首先采集數(shù)字化織物紋理圖像，記為W，W為矩形，其尺寸長×寬為L1×L2，即橫向和縱向長度分別為L1和L2，而其沿橫向的基本周期即列周期為P1個(gè)像素，沿縱向的基本周期即行周期為P2，行周期和列周期均指取整后的像素?cái)?shù)，P1通過計(jì)算W的任一行圖像像素灰度值集合的基本循環(huán)周期得到，P2通過計(jì)算W的任一列圖像像素灰度值集合的基本循環(huán)周期得到；對(duì)原始織物圖像矩形窗口W進(jìn)行Sobel算子水平濾波，經(jīng)濾波后的圖像記為Wh，選擇一種灰度統(tǒng)計(jì)量，計(jì)算Wh的該灰度統(tǒng)計(jì)量，作為表征織物紋理水平信息的概貌特征之一，記為Eh；在濾波后的織物圖像矩形窗口Wh中建立矩形子窗口W2，所述的矩形子窗口W2的長度等于濾波后的織物圖像矩形窗口Wh的長度L1，所述的矩形子窗口W2的寬度等于織物紋理縱向基本循環(huán)周期單位長度即行周期單位長度P2，將矩形子窗口W2以每次固定的步長垂直地滑移以遍歷整個(gè)Wh，選用與計(jì)算Eh一致的灰度統(tǒng)計(jì)量，從而相應(yīng)求得一系列灰度統(tǒng)計(jì)值，分別記其中的最小者和最大者為E1和E2，E1即為橫向邊緣極小統(tǒng)計(jì)量，E2即為橫向邊緣極大統(tǒng)計(jì)量；對(duì)原始織物圖像矩形窗口W進(jìn)行Sobel算子垂直濾波，經(jīng)濾波后的圖像記為Wv，選用與計(jì)算Eh一致的灰度統(tǒng)計(jì)量，計(jì)算Wv的該灰度統(tǒng)計(jì)量，作為表征織物紋理垂直信息的概貌特征之一，記為Ev；在濾波后的織物圖像矩形窗口Wv中建立矩形子窗口W1，所述的矩形子窗口W1的長度等于織物紋理橫向基本循環(huán)周期單位長度即列周期單位長度P1，所述的矩形子窗口W1的寬度等于濾波后的織物圖像矩形窗口Wv的寬度L2，將矩形子窗口W1以每次固定的步長水平地滑移以遍歷整個(gè)Wv，選用與計(jì)算Eh一致的灰度統(tǒng)計(jì)量從而相應(yīng)求得一系列灰度統(tǒng)計(jì)值，分別記其中的最小者和最大者為E3和E4，E3即為縱向邊緣極小統(tǒng)計(jì)量，E4即為縱向邊緣極大統(tǒng)計(jì)量；最終得到表征織物紋理的混合特征向量[Eh Ev E1E2E3E4]。
2.根據(jù)權(quán)利要求1所述的一種用于表征織物紋理的基于Sobel算子的概貌與細(xì)節(jié)混 合特征向量提取方法，其特征在于，所述的灰度統(tǒng)計(jì)量可以為仙農(nóng)熵、灰度均值或灰度標(biāo)準(zhǔn)差。
3.根據(jù)權(quán)利要求1或2所述的一種用于表征織物紋理的基于Sobel算子的概貌與細(xì)節(jié) 混合特征向量提取方法，其特征在于，所述的灰度統(tǒng)計(jì)量首選仙農(nóng)熵。
4.根據(jù)權(quán)利要求1所述的一種用于表征織物紋理的基于Sobel算子的概貌與細(xì)節(jié)混合 特征向量提取方法，其特征在于，所述的織物圖像的紋理橫向與緯紗方向一致，而織物圖像 的紋理縱向與經(jīng)紗方向一致，旨在更好地發(fā)揮Sobel算子水平和垂直濾波的效果，從而更 好地表征織物紋理的緯紗信息和經(jīng)紗信息。
5.根據(jù)權(quán)利要求1所述的一種用于表征織物紋理的基于Sobel算子的概貌與細(xì)節(jié)混合 特征向量提取方法，其特征在于，所述的固定的步長為1 3像素。
6.根據(jù)權(quán)利要求1所述的一種用于表征織物紋理的基于Sobel算子的概貌與細(xì)節(jié)混合 特征向量提取方法，其特征在于，所述的矩形子窗口 W1的固定步長與W2的固定步長不必相 同。
7.根據(jù)權(quán)利要求1所述的一種用于表征織物紋理的基于Sobel算子的概貌與細(xì)節(jié)混合 特征向量提取方法，其特征在于，所述的基本循環(huán)周期P1和P2的計(jì)算借助一維快速傅里葉 變換實(shí)現(xiàn)。
8.根據(jù)權(quán)利要求1所述的一種用于表征織物紋理的基于Sobel算子的概貌與細(xì)節(jié)混合 特征向量提取方法，其特征在于，所述的織物為機(jī)織物。
全文摘要
本發(fā)明屬于數(shù)字圖像處理和模式識(shí)別領(lǐng)域，特別涉及一種用于表征織物紋理的基于Sobel算子的概貌與細(xì)節(jié)混合特征向量提取方法。首先對(duì)原織物圖像分別進(jìn)行水平和垂直Sobel算子濾波處理，得到兩幅相應(yīng)的濾波圖像；從兩幅濾波圖像中各自計(jì)算方式一致的一組灰度統(tǒng)計(jì)量作為概貌特征；同時(shí)依據(jù)織物紋理基本循環(huán)周期和遍歷法原理從兩幅濾波圖像中計(jì)算得到四個(gè)極值灰度統(tǒng)計(jì)量作為細(xì)節(jié)特征，該灰度統(tǒng)計(jì)量與計(jì)算概貌特征時(shí)選用的灰度統(tǒng)計(jì)量一致；最后將上述兩個(gè)概貌特征與四個(gè)細(xì)節(jié)特征組成混合特征向量。這種混合特征向量內(nèi)各特征間具有高度的互補(bǔ)性，兼顧紋理的概貌信息和細(xì)節(jié)信息，也兼顧紋理的橫向信息和縱向信息，能夠全面和細(xì)致地刻畫織物紋理特點(diǎn)。
文檔編號(hào)G06T7/00GK101976440SQ20101053686
公開日2011年2月16日 申請日期2010年11月9日 優(yōu)先權(quán)日2010年11月9日
發(fā)明者周建, 步紅剛, 汪軍, 黃秀寶 申請人:東華大學(xué)