本發(fā)明屬于圖像處理領(lǐng)域，具體涉及到一種基于小波分解的織物疵點(diǎn)區(qū)域特征值提取的方法。

背景技術(shù)：

隨著現(xiàn)代科學(xué)技術(shù)的快速發(fā)展，工業(yè)自動(dòng)化水平日益提高，尤其微電子技術(shù)、計(jì)算機(jī)信息技術(shù)和互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，工業(yè)智能化已成為新的發(fā)展趨勢(shì)。工業(yè)自動(dòng)化水平也和其他工業(yè)領(lǐng)域一樣，自動(dòng)化程度越來(lái)越高。但織物質(zhì)量檢測(cè)作為紡織品質(zhì)量控制的重要環(huán)節(jié)，卻一直沒(méi)有實(shí)現(xiàn)自動(dòng)化，其中疵點(diǎn)檢測(cè)是最重要的檢驗(yàn)項(xiàng)目。

目前，實(shí)際生產(chǎn)中只是要求檢測(cè)是否存在疵點(diǎn)、并標(biāo)記出疵點(diǎn)的位置，人工檢測(cè)一般也僅能實(shí)現(xiàn)這些功能，僅有少數(shù)的人工驗(yàn)布機(jī)上增加了疵點(diǎn)分類(lèi)計(jì)數(shù)器，操作員根據(jù)自己對(duì)疵點(diǎn)類(lèi)型的判斷，按下計(jì)數(shù)器鍵盤(pán)上相應(yīng)按鍵進(jìn)行計(jì)數(shù)。顯然，這種疵點(diǎn)分類(lèi)計(jì)數(shù)很不實(shí)用。因?yàn)楫?dāng)工人按下計(jì)數(shù)器鍵盤(pán)按鍵時(shí)，眼睛要離開(kāi)被檢測(cè)的布匹，但此時(shí)驗(yàn)布機(jī)上的布匹依然在運(yùn)動(dòng)，勢(shì)必會(huì)有疵點(diǎn)被漏檢。為此，要實(shí)現(xiàn)疵點(diǎn)自動(dòng)檢測(cè)，在確定疵點(diǎn)區(qū)域后，還需要對(duì)疵點(diǎn)區(qū)域的紋理特征進(jìn)行提取，以便根據(jù)疵點(diǎn)區(qū)域特征值與正?？椢飿?biāo)準(zhǔn)特征值的比較，來(lái)確定疵點(diǎn)的種類(lèi)。

技術(shù)實(shí)現(xiàn)要素：

發(fā)明目的：針對(duì)上述問(wèn)題，本發(fā)明的目的是提供一種基于小波分解的織物疵點(diǎn)區(qū)域特征值提取的方法，確定疵點(diǎn)區(qū)域后，對(duì)疵點(diǎn)區(qū)域的紋理特征進(jìn)行提取，根據(jù)疵點(diǎn)區(qū)域特征值與正?？椢飿?biāo)準(zhǔn)特征值的比較，來(lái)確定疵點(diǎn)的種類(lèi)，為實(shí)現(xiàn)疵點(diǎn)自動(dòng)檢測(cè)提供理論基礎(chǔ)。

技術(shù)方案：為實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

一種基于小波分解的織物疵點(diǎn)區(qū)域特征值提取的方法，其特征在于，包括如下步驟：

步驟101，采用mallat快速算法對(duì)含有疵點(diǎn)的織物圖像進(jìn)行小波分解，得到四個(gè)子圖像(低頻子圖、水平子圖、垂直子圖、對(duì)角線(xiàn)子圖)，分解公式如下：

其中，h(-k)、g(-k)分別為低通濾波器和高通濾波器的單位抽樣響應(yīng)，cj(k,l)表示尺度系數(shù)，cj+1(m,n)、分別表示低頻子圖、緯向子圖、經(jīng)向子圖和對(duì)角線(xiàn)子圖；

步驟102，對(duì)子圖像進(jìn)行圖像窗口分割，并提取能量、極差、方差、熵、逆差距五個(gè)特征值，其包括：

步驟102，人工神經(jīng)網(wǎng)絡(luò)的方法對(duì)子圖像進(jìn)行圖像窗口分割，并提取能量、極差、方差、熵、逆差距五個(gè)特征值，其包括：

步驟1021，人工神經(jīng)網(wǎng)絡(luò)的方法對(duì)子圖像進(jìn)行圖像窗口分割，表達(dá)式為：

式中，基函數(shù)φj(x)可以是關(guān)于輸入m次冪的多項(xiàng)式

步驟1022，計(jì)算能量特征值，表達(dá)式為：

或

式中，hij表示像素點(diǎn)(i),j的灰度值，m、n分別表示圖像的高度和寬度；

步驟1023，計(jì)算熵特征值，其表達(dá)式為：

式中，eh和ev分別表示緯向和經(jīng)向紋理熵值；

步驟1024，計(jì)算方差特征值，其表達(dá)式為：

式中，表示整幅圖像的灰度均值。

步驟1025，計(jì)算極差特征值，其表達(dá)式為：

式中，mh和mv分別表示緯向和經(jīng)向極差。

步驟1026，計(jì)算逆差距特征值，其表達(dá)式為：

步驟103，織物圖像窗口分割后，提取各個(gè)子圖的特征值，對(duì)能量、極差、方差、熵、逆差距五個(gè)特征值進(jìn)行歸一化處理，歸一化表達(dá)式為：

式中，y表示待檢織物的相對(duì)特征值，x表示待檢織物的絕對(duì)特征值，表示待檢織物的絕對(duì)特征值的均值，xmax、xmin分別表示正?？椢锾卣髦档淖畲笾岛妥钚≈?。

有益效果：與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)提供一種基于圖像處理的織物疵點(diǎn)區(qū)域的識(shí)別與提取的方法，對(duì)織物疵點(diǎn)自動(dòng)檢測(cè)涉及疵點(diǎn)紋理特征值提取，得到了疵點(diǎn)區(qū)域的位置、形狀和大小等基本信息，根據(jù)疵點(diǎn)區(qū)域特征值與正常織物標(biāo)準(zhǔn)特征值的比較，來(lái)確定疵點(diǎn)的種類(lèi)，為實(shí)現(xiàn)疵點(diǎn)自動(dòng)檢測(cè)提供理論基礎(chǔ)。

附圖說(shuō)明

圖1是基于小波分解的疵點(diǎn)區(qū)域特征值提取的方法的流程圖。

具體實(shí)施方式

下面結(jié)合附圖和具體實(shí)施例，進(jìn)一步闡明本發(fā)明。

如圖1所示，基于小波分解的疵點(diǎn)區(qū)域特征值提取的方法，包括如下步驟：

步驟101，采用mallat快速算法對(duì)含有疵點(diǎn)的織物圖像進(jìn)行小波分解，得到四個(gè)子圖像(低頻子圖、水平子圖、垂直子圖、對(duì)角線(xiàn)子圖)，分解公式如下：

其中，h(-k)、g(-k)分別為低通濾波器和高通濾波器的單位抽樣響應(yīng)，cj(k,l)表示尺度系數(shù)，cj+1(m,n)、分別表示低頻子圖、緯向子圖、經(jīng)向子圖和對(duì)角線(xiàn)子圖；如圖2所示，二維圖像的一次小波分解示意圖圖。

步驟102，人工神經(jīng)網(wǎng)絡(luò)的方法對(duì)子圖像進(jìn)行圖像窗口分割，并提取能量、極差、方差、熵、逆差距五個(gè)特征值，其包括：

步驟1021，人工神經(jīng)網(wǎng)絡(luò)的方法對(duì)子圖像進(jìn)行圖像窗口分割，表達(dá)式為：

式中，基函數(shù)φj(x)可以是關(guān)于輸入m次冪的多項(xiàng)式

步驟1022，計(jì)算能量特征值，表達(dá)式為：

或

式中，hij表示像素點(diǎn)(i),j的灰度值，m、n分別表示圖像的高度和寬度；

步驟1023，計(jì)算熵特征值，其表達(dá)式為：

式中，eh和ev分別表示緯向和經(jīng)向紋理熵值；

步驟1024，計(jì)算方差特征值，其表達(dá)式為：

式中，表示整幅圖像的灰度均值。

步驟1025，計(jì)算極差特征值，其表達(dá)式為：

式中，mh和mv分別表示緯向和經(jīng)向極差。

步驟1026，計(jì)算逆差距特征值，其表達(dá)式為：

步驟103，織物圖像窗口分割后，提取各個(gè)子圖的特征值，對(duì)能量、極差、方差、熵、逆差距五個(gè)特征值進(jìn)行歸一化處理，歸一化表達(dá)式為：

式中，y表示待檢織物的相對(duì)特征值，x表示待檢織物的絕對(duì)特征值，表示待檢織物的絕對(duì)特征值的均值，xmax、xmin分別表示正?？椢锾卣髦档淖畲笾岛妥钚≈?。