基于最優(yōu)Gabor濾波器的經(jīng)編織物瑕疵檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于最優(yōu)Gabor濾波器的經(jīng)編織物瑕疵檢測方法，屬于圖像處理
技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 國內(nèi)的經(jīng)編產(chǎn)業(yè)得到了快速的發(fā)展，成為世界經(jīng)編產(chǎn)品的主要生產(chǎn)基地的同時， 國外部分國家經(jīng)編行業(yè)也逐漸崛起，如印度、越南等一些東南亞國家，促使競爭加大。面臨 競爭，提高產(chǎn)品質(zhì)量和降低生產(chǎn)成本成為企業(yè)生存的關(guān)鍵。布面疵點是影響布匹質(zhì)量的主 要因素。據(jù)調(diào)查，由于疵點的存在，使織物價格降低了 45-65%，企業(yè)收益受到很大的損失。 當前紡織企業(yè)大多數(shù)仍采取人工目測的方式檢測織物疵點。人工檢測的缺點在于：（1)視 覺精度的限制和容易疲勞導致檢測不穩(wěn)定；（2)人工目測檢測準確率低，熟練工人的檢測 準確率難以超過85%; (3)人的視野有限，并不能同時檢測很寬的區(qū)域，人的精力有限，經(jīng)常 會發(fā)生漏檢的情況；(4)檢測成本比較高，包括大量工人的培訓費用、工資等支出。因此，基 于機器視覺的疵點檢測系統(tǒng)在企業(yè)實際生產(chǎn)過程中的使用可以大大提高經(jīng)編機出布的質(zhì) 量，同時可以減少人工，節(jié)約企業(yè)的生產(chǎn)成本，從而增加企業(yè)產(chǎn)品競爭力。
[0003] -般來說，采集經(jīng)編織物圖像后，需進行預處理過程，然后進行特征提取和瑕疵判 另IJ。預處理主要是為了增強圖像的對比度，使瑕疵信息和圖像背景信息對比明顯，另外需進 行圖像去噪，去除圖像中的噪聲。特征提取，就是對圖像進行分析處理，從中提取合適的特 征向量。瑕疵判別，就是借助某個分類器將瑕疵區(qū)域檢測出來。其中特征提取是瑕疵檢測方 法的核心環(huán)節(jié)，一般來說，特征提取的方法主要有統(tǒng)計法、模型法和頻域法等?；诮y(tǒng)計法 提取特征可分為自相關(guān)函數(shù)，灰度共生矩陣，數(shù)學形態(tài)法和分形理論等方法?；谀Ｐ头ㄌ?取特征有Wold模型和馬爾可夫隨機場模型等?；陬l域法提取特征可分為傅里葉變換、小 波變換和Gabor變換等。Gabor函數(shù)是一組經(jīng)過旋轉(zhuǎn)和伸縮處理的自相似函數(shù)，是一組窄帶 帶通濾波器，在空間域和頻率域均有較好的分辨能力，有明顯的方向選擇和頻率選擇特性， 能夠?qū)崿F(xiàn)空域和頻域的最佳聯(lián)合定位，因此Gabor變換適合紋理圖像的分析。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的是克服現(xiàn)有技術(shù)中存在的不足，提供一種基于最優(yōu)Gabor濾波器的 經(jīng)編織物瑕疵檢測方法，能夠提高檢測的準確率和實時性。
[0005] 按照本發(fā)明提供的技術(shù)方案，
[0006] 在一個【具體實施方式】中，一種基于最優(yōu)Gabor濾波器的經(jīng)編織物瑕疵檢測方法， 特征是，包括以下步驟：
[0007] 步驟1、構(gòu)造Gabor濾波器，提取Gabor濾波參數(shù)；
[0008] 步驟2、對無瑕疵經(jīng)編織物圖像進行Gabor卷積處理，采用Fisher準則構(gòu)造適應度 函數(shù)，利用量子行為粒子群優(yōu)化（QPS0)算法對步驟1提取的Gabor濾波參數(shù)進行最優(yōu)化處 理，得到Gabor濾波器的最優(yōu)參數(shù)；
[0009] 步驟3、由步驟2得到的Gabor濾波器最優(yōu)參數(shù)，對待檢測的經(jīng)編織物圖像進行 Gabor卷積處理；
[0010] 步驟4、進行二值化處理得到經(jīng)編織物的瑕疵檢測結(jié)果。
[0011] 進一步的，所述步驟1按照以下步驟實施：
[0012] 步驟1. 1、建立Gabor濾波函數(shù)，具體按照以下方法實施：
[0013] Gabor濾波函數(shù)G (x，y)由方向性的復正弦函數(shù)調(diào)諧的二維Gaussian核函數(shù) g(x，y)調(diào)制而成，在空間域中，Gaussian核函數(shù)涉及到三個參數(shù)S x，Sy，0，其中匕為 Gaussian核函數(shù)x軸方向上的尺度參數(shù)，5 丫為Gaussian核函數(shù)y軸方向上的尺度參數(shù)， 9為Gaussian核函數(shù)的旋轉(zhuǎn)角度，（x'，y')是（x，y)旋轉(zhuǎn)0角度之后的坐標；在頻率 域中，傅里葉變換涉及到頻率的三個參數(shù)為F。，u。，v。，其中F。是橢圓形Gabor濾波函數(shù)的中 心頻率，u。是x軸方向上Gabor濾波函數(shù)的中心頻率，v。是y方向上Gabor濾波函數(shù)的中 心頻率；
[0014] 將二維空間中Gabor濾波函數(shù)表示為： 、，;X
[0020] 步驟1.2、將空間域中Gabor濾波函數(shù)經(jīng)傅里葉變換得到頻率域的Gabor濾波函數(shù)
[0021] ：; [0022]
[0023] 步驟1. 3、從步驟1. 2構(gòu)造的Gabor濾波函數(shù)中提取6個Gabor濾波參數(shù) (a，y，，v〇，F(xiàn)〇，Q)〇
[0024] 進一步的，所述步驟1. 1構(gòu)造的Gabor濾波函數(shù)G(x，y)中系數(shù)？。= 0時，則調(diào)制 為2-DGabor濾波函數(shù)G(x，y) ;uQ= 0、vQ= 0時，則調(diào)制為橢圓形的Gabor濾波函數(shù)G(x， y)。
[0025] 進一步的，所述步驟2按照以下步驟實施：
[0026] 步驟2. 1、初始化粒子群，包括確定最大迭代次數(shù)、搜索空間、粒子的個數(shù)、隨機初 始化粒子的位置；
[0027] 步驟2. 2、在第一次迭代時，每個粒子的初始位置為當前個體最好位置；對無瑕疵 經(jīng)編織物圖像進行Gabor卷積處理，采用Fisher準則構(gòu)造適應度函數(shù)，計算出每個粒子對 應的函數(shù)值；所有粒子的適應度函數(shù)值相比較后找到具有最小適應度函數(shù)值的粒子，該粒 子的位置即為全局最好位置；
[0028] 步驟2. 3、對每個粒子的位置進行更新，采用與步驟2. 2相同方法求出每個粒子的 適應度函數(shù)值，更新個體最好位置和全局最好位置；
[0029] 步驟2. 4、當達到迭代結(jié)束條件時，訓練結(jié)束，全局最好位置即為所要確定的 Gabor濾波參數(shù)的最優(yōu)值；否則，迭代次數(shù)加1，轉(zhuǎn)到步驟2. 3。
[0030] 進一步的，所述步驟2. 1按照以下步驟實施：設(shè)初始時迭代次數(shù)n = 0,最大迭代 次數(shù)為max_n ;Gabor濾波參數(shù)有（a，y，u。，vQF。，0 )，則搜索空間為6維；粒子的個數(shù)為 M，每個粒子的初始位置為< 其中i = 1，2…，M/
[0031] 進一步的，所述步驟2. 2中圖像經(jīng)過Gabor卷積后的圖像R(x，y)可表示為：
[0032]
：;
[0033] 其中，T(x，y)是無瑕疵經(jīng)編織物圖像，R(x，y)是經(jīng)Gabor濾波器卷積后的圖像， *是圖像的卷積操作，是圖像T(x，y)的傅里葉變換，IDFT是離散傅里葉反變換；
[0034] 所述Gabor卷積后的圖像R(x，y)的能量表示為：
和分別是Ge(x，y)和Gjx，y)的離散傅里葉變換；[0037] 所述根據(jù)Fisher準則構(gòu)造的目標函數(shù)表示為：
[0035]
[0036] .
[0038]
[0039] 其中，Gabor濾波參數(shù)〇 = ( a，y，u。，v。，F(xiàn)。0 )，y (①）和〇 (①）分別是大小 為XX Y的圖像經(jīng)過Gabor卷積之后的能量均值和標準差；
[0042]由此，具有6個決策變量，5個約束條件的非線性規(guī)劃問題可以描述為：
[0040] ;
[0041]
[0050] 在第一次迭代時，每個粒子的初始位置為當前個體最好位置，即= 由 Fisher準則構(gòu)造的目標函數(shù)計算出每個粒子對應的適應度函數(shù)值；
[0051] 所有粒子的適應度函數(shù)值相比較后找到具有最小適應度函數(shù)值的粒子，該粒子的 位置即為全局最好位置。
[0052] 進一步的，所述步驟2. 3中粒子的位置更新方程為：
[0053]
;
[0054] 式中取" + "或取的概率都為0.5,其中0稱為收縮-擴張系數(shù)為區(qū)間 (〇, 1)上的均勻分布隨機數(shù)，粒子i的收斂過程以點蛑=COI…給）為吸引子，其坐標 為：
[005r
[0056] 其中變是一個區(qū)間（0, 1)上均勻分布的隨機數(shù)；
[0057] 所述步驟2. 3中更新個體最好位置時采用下式：
[0058]
;
[0059] 每個粒子的個體最好位置確定后，根據(jù)S F(PiR)更新全局最好位置。
[0060] 進一步的，所述步驟3中對待檢測的經(jīng)編織物圖像為S(x，y)進行Gabor卷積處 理，得到卷積后的圖像Q(x，y):
[0061]
[0062] 進一步的，所述步驟4中二值化處理采用下式進行：