（机械电子工程专业论文）基于omap3530嵌入式系统的织物疵点检测方法研究.pdf

基于o m a p 3 5 3 0 嵌入式系统的织物疵点检测方法研究 摘要 织物疵点检测与分类是纺织品生产中进行质量控制的重要环节。织物疵点自动检测与 分类问题多年来一直是计算机视觉领域的研究热点。国内对疵点的检测与分类主要由人工 完成，这种方法存在劳动强度大、检测效率低、误检率高等缺点。因此，研究开发可应用 于我国纺织业的织物疵点自动检测与分类系统具有重要的社会和经济意义。 本文根据无疵点织物图像的特性，设计了包含三个环形高斯带通滤波器的滤波器组， 利用该滤波器组分别设计了基于频域滤波和空域模板滤波的疵点检测算法，并应用这两种 算法对包含多种疵点的多个织物样本图像进行了处理，实验结果表明两种算法均获得了比 较好的疵点检测效果。 同时，本文以l i n u x 为操作系统，以d v s d k 为软件工具，在o m a p 3 5 3 0 嵌入式系统 开发平台上完成了基于环形高斯带通滤波器组二维空域模板的织物疵点检测算法软件设 计，实现了织物图像数据读入、d s p 处理及疵点检测结果显示的功能。 关键字：织物疵点检测；高斯带通滤波器；o m a p 3 5 3 0 ；d v s d k r e s e a r c ho f f a b r i cd e f e c t d e t e c t i o n b a s e do no 睑p 3 5 3 0e m 旧e d d e ds y s t e m a b s t r a c t f a b r i cd e f e c td e t e c t i o na n dc l a s s i f i c a t i o na r ei m p o r t a n tp r o c e d u r e sf o rq u a l i t yc o n t r o li n t e x t i l em a n u f a c t u r i n gi n d u s t r y t h ea u t o m a t i cd e t e c t i o na n dc l a s s i f i c a t i o nf o rf a b r i cd e f e c t sh a v e b e e nar e s e a r c hf o c u si nc o m p u t e rv i s i o nf i e l df o rs e v e r a ld e c a d e s 。c u r r e n t l y , m a n u a lf a b r i c d e f e c td e t e c t i o na n dc l a s s i f i c a t i o na r ec o n d u c t e di nc h i n aw i t ht h e s ed i s a d v a n t a g e ss u c ha sh i g h l a b o rs t r e n g t h ，l o we f f i c i e n c y , h i g h e rf a l s ed e t e c t i o nr a t ea n ds oo n t h e r e f o r e ，t h er e s e a r c ho n t h es y s t e mo fa u t o m a t i cf a b r i cd e f e c td e t e c t i o na n dc l a s s i f i c a t i o nt h a tc a nb ea p p l i e dt oc h i n e s e t e x t i l ei n d u s t r yh a si m p o r t a n ts o c i a la n de c o n o m i cs i g n i f i c a n c e i nt h i st h e s i s ，t h ef i l t e rg r o u pc o n t a i n i n gt h r e ea n n u l a rg a u s s i a nb a n d 。p a s sf i l t e r si s d e s i g n e db a s e do nt h ef e a t u r eo fn o n - d e f e c tf a b r i ci m a g e t w od e f e c td e t e c t i o na l g o r i t h m sb a s e d s e p a r a t e l y o nt h ea n n u l a rg a u s s i a n b a n d - p a s s f i l t e r si n f r e q u e n c yd o m a i na n d t h e i r s p a t i a l - d o m a i nc o n v o l u t i o nm a s k sa r ed e s i g n e dt od e t e c tt h ef a b r i cd e f e c t s m a n yf a b r i cs a m p l e i m a g e st h a tc o n t a i nd i f f e r e n tt y p e s ，s i z e s ，a n ds h a p e so fd e f e c t sa r ep r o c e s s e db yt h et w o a l g o r i t h m s ，a n dt h ee x p e r i m e n tr e s u l t ss h o wt h a tt h ef a b r i cd e f e c t sa r es u c c e s s f u l l ys e g m e n t e d f r o mt h et e x t u r eb a c k g r o u n db yu s i n gt h e s et w oa l g o r i t h m s a l s o ，m a k i n gu s eo fl i n u xa st h eo p e r a t i n gs y s t e m ，d v s d ka st h es o f t w a r et o o l s ，t h e s o f t w a r e d e s i g n o ft h ef a b r i cd e f e c td e t e c t i o n a l g o r i t h m b a s e do nt w o d i m e n s i o n a l s p a t i a l d o m a i nc o n v o l u t i o nm a s k si sa c c o m p l i s h e do nt h ed e v e l o p m e n tp l a t f o r mo fo m a p 3 5 3 0 e m b e d d e ds y s t e m t h ee x p e r i m e n t a lr e s u l ts h o w st h a tt h i ss o f t w a r ec a nf i n i s ht h ef a b r i ci m a g e d a t ai n p u t t i n g ，d a t ap r o c e s s i n gb yd s pa n dt h ed i s p l a y i n go fd e f e c ti m a g e sc o r r e c t l y k e y w o r d s ：f a b r i cd e f e c td e t e c t i o n ；g a u s s i a nb a n d p a s sf i l t e r ；o m a p 3 5 3 0 ；d v s d k i i 目录 摘要i a b s t r a c t i i 第1 章绪论1 1 1 课题的背景及研究意义l 1 2 国外研究情况1 1 3 国内研究现状一2 1 4 论文的章节安排3 第2 章织物疵点检测方法概述5 2 1 织物疵点检测方法分类5 2 2 基于频域的织物图像疵点检测方法一5 2 ，2 1 傅里叶变换5 2 2 2g a b o r 变换6 2 2 3 小波变换6 2 3 基于空间域的织物图像疵点检测方法7 2 ，3 1 统计法7 2 3 2 模型法7 2 。3 3 数学形态法8 第3 章织物疵点检测算法设计9 3 1 环形高斯带通滤波器9 3 2 环形高斯带通滤波器组的设计1 0 3 3 基于环形高鞍带通滤波器频域滤波的织物疵点检测算法ll 3 4 基于环形高斯带通滤波器空域模板的织物疵点检测算法1 3 3 4 1 空域滤波1 3 3 4 2 使用空域滤波模板注意的问题1 4 3 4 3 环形高斯带通滤波器空域模板的计算方法，1 4 3 4 4 疵点检测算法的实现步骤及流程图1 6 3 4 5 实验结果及分析1 7 i i i 第4 章o m a p 3 5 3 0 嵌入式开发平台18 4 1o m a p 3 5 3 0 嵌入式开发平台简介1 8 4 2 开发环境的搭建1 9 4 ，2 1l i n u x 系统简介1 9 4 2 2l i n u x 系统及开发工具的安装方法2 0 4 ，2 3 配置超级终端2 1 4 3l i n u x 系统移植2 2 4 ，3 1 一级引导程序x 1 0 a d e r 2 2 4 3 2 二级引导程序u b o o t 2 3 4 ，3 3l i n u x 内核2 4 4 ：；4r o o t f s 2 5 4 ，3 。! ；u s e ra r e a 。，。2 7 4 3 6l i n u x 系统的启动2 7 第5 章o m a p 3 5 3 0 嵌入式开发平台的a r m 和d s p 协同开发方法2 9 5 1o m a p 3 5 3 0 的双核架构2 9 5 ，2d v s d k 简介2 9 5 3d v s d k 的安装与编译3 0 5 4 内存的分配3 0 5 5 开发供a r m 端调用的d s p 程序的方法3 0 5 6 小结3 3 第6 章基于o m a p 3 5 3 0 嵌入式开发平台的织物疵点检测软件设计3 5 6 1 软件构成3 5 6 2a r m 端应用程序设计3 5 6 2 ，1b m p 图像数据结构3 5 6 2 2 分配共享内存，3 6 6 2 ，3 读取织物图像数据3 7 6 2 ，4d s p 算法程序调用，3 7 6 2 ，5l c d 显示，3 8 6 3d s p 算法程序设计，3 9 6 4 软件的编译以及运行4 0 t v 6 5 实验结果及分析4 0 第七章总结与展望4 1 7 1 论文工作总结4 1 7 2 论文展望4 1 参考文献4 3 攻读硕士学位期间发表的学术论文4 6 蜀c j 射4 7 v 北京服装学院硕士学位论文 1 1 课题的背景及研究意义 第1 章绪论 纺织行业不仅是我国的传统行业，而且是我国国民经济发展中的重要支柱行业，我国 还是纺织品出口大国，也是世界上纺织品贸易中最大的供应国。在国际纺织面料市场上， 我国的纺织品一直占有很高的份额，但是这些出口的纺织品中大多是一些中低档次产品， 所以每件纺织品的利润率非常低，这其中的原因与纺织面料的自动检测与控制技术水平密 切相关。由于纺织品的质量达不到国际高端标准，给我国的纺织品出口造成了巨大的经济 损失，所以提高我国纺织品的质量检测水平至关重要【l 】。 织物疵点检测是纺织品质量控制的重要环节。对纺织厂而言，织物表面的疵点不仅仅 影响织物的外观效果，而且直接影响织物的质量等级以及工厂的经济效益，所以在纺织工 序中重要的一个环节就是织物疵点检测，但是这个环节也是最难实现自动化的环节。目前 国内大部分疵点检测都是由人工视觉来完成的，依靠检验人员对织物疵点的认识和个人经 验判定织物疵点及其类型，再按照织物的评分、评等的标准对织物等级做出评定。但是这 种检验方法效率低，而且检验结果受个人主观因素的影响比较大，误检率高。据统计，人 工视觉检验大约有3 0 的疵点被漏检。 由此可见，传统的人工检测疵点方法的缺点在于劳动强度大，误检和漏检率高，而且 还受主观因素影响，因而急需发展快速、检测率高的布匹疵点自动检测系统来替代人工检 验的工作。 随着数字图像处理技术和数字集成技术的飞速发展，机器视觉已经在工业表面检测领 域得到了广泛的应用，基于机器视觉的织物疵点自动检测系统将成为该领域发展的必然趋 势。在国内，由于织物疵点检测系统的研究相对比较落后，所以更需要研究开发织物疵点 检测系统。 1 2 国外研究情况 随着计算机的发展，使得基于微型计算机平台和数字图像处理技术的织物疵点检测成 为可能。从上世纪7 0 年代开始，国外便开始在这个领域进行研究探索。v a n g h e l u w el 提 出了一种基于织物纹理结构参数的织物开车横档检测法【2 】这种方法能够在数秒种内对织 物横档疵点做出客观的判断，但是由于其选择的神经网络输入特征向量维数不够，最后检 1 第1 章绪论 测的效果不是很理想。c o h e nf s 等采用了高斯马尔科夫随机场( g m r f ) 纹理模型对织物疵 点检测进行了研究，从正常纹理中提取模型参数，然后通过统计假设检验判别织物疵点【3 】。 w a n gj 将随机场模型用于地毯疵点的检测中。基于随机场模型的纹理分析，其最大的优点 是这些模型能够通过其参数高效的表示一幅图像信息，可以用于许多纺织品表面的纹理建 模【4 】。 目前，国外在织物疵点检测领域的研究已经取得了很多成果，而且已经推出了各种布 匹检测系统并投入工业现场使用。比如以色列e v s 公司开发的i t e x 系列织物自动检测系 统。该系列产品中的i t e x 2 0 0 0 ，在全球已经装备了2 0 0 多台，该产品最小可以检测出0 5 m m 大小的疵点，并且可以检测出空洞、错位、油污等疵点【6 1 ，是比较成功的产品之一。 比利时b a r c o 公司开发的c y c l o p s 验布系统，该系统可以直接安装在织布机上，通 过扫描头来回移动来检测疵点，其移动速度达到1 8 c m s ，最大可检测布匹宽度为2 6 m 。当 检测到疵点时，该系统不仅会使织布机停机，而且还会发出警报提醒，疵点的类型以及位 置都可显示于终端_ k t 6 。 瑞士u s t e r 公司开发的u s t e rf a b r i s c a n 自动验布系统，该系统在宽度方向上装有2 8 只高分辨率线扫描c c d 摄像机，检测织物宽度达1 1 0 4 4 0 c m ，速度最高可以达到 1 2 0 m m i n ，最高分辨能力达到0 3 m m 。该系统采用神经网络技术，检测前先要进行学习， 用约一分钟时间记录织物正常的外观特征参数，然后再进入检测阶段，检测时寻找与正常 外观不同的局部异常，然后对其分析和记录【7 1 。该系统技术先进，而且已经应用于生产实 践中。 德国o p d i x 光电子科技公司开发的在线纺织品检测系统，该系统结合光学与力学，在 神经网络软件的支持下用传感器对织物表面进行检测。该系统能检测污物、断经、断纬、 破洞、跳纱、色疵、结子等疵点【引。 虽然国外公司已经研制出了各种织物疵点检测系统，但是这些系统还不够成熟，在应 用时仍存在着错检等诸多问题，而且成本很高，难以被国内大多数纺织企业接受，因此在 我国难以得到广泛的应用。 1 3 国内研究现状 国内对织物疵点检测的研究相对比较晚，还没有完整可靠的疵点检测系统应用于实际 生产中。国内最早开始这方面研究的是东华大学纺织学院的黄秀宝等人，他们先后使用了 w o l d 纹理模型9 1 、二维连续小波变换1 们，w i e n e r 滤波器【1 1 】等方法来检测织物疵点。 ，) 北京服装学院硕士学位论文 湖北工业大学赵大兴等人采用了模块化硬件，通过相机对快速移动的布匹进行等间隔 采样，然后将采集得到的图像进行预处理，提取特征值，再根据预定义的模板与图像进行 匹配，得出匹配数，最终决定布匹的质量等级【1 2 】。该检测系统检测速度可达到2 0 0 m m i n ， 是目前国内研究较为成功的一个样机。 华中科技大学孙志刚所在的研究团队针对纺织工业中视觉系统的应用需求，提出了基 于d s p 、f p g a 混合结构视觉系统的设计方案，该方案采用行像素为2 0 4 8 的高精度工业线 阵相机作为图像采集设备，用f p g a 来控制相机，以d s p 为核心处理器，对图像数据的传 输与存储进行了深入研究，该研究没有采用成熟的设备和软件，是疵点检测方面的基础研 究，是国内比较深入的研究之一。 国内也有公司推出了织物疵点检测系统，比如无锡众望四维科技有限公司推出的纺织 及服装面料机器视觉检测系统。该系统先用相机采集图像，然后将采集到的图像传入计算 机存储器，再在计算机上运用不同的算法对采集到的图像进行处理。该系统的检测精度达 到0 5 m m ，最高检测速度达到1 0 0 m m i n ，尽管如此，该系统应用于生产还存在诸多问题， 比如错检、漏检等，所以该系统还需要进一步研究和改进。 目前，国内对于织物疵点检测的研究大部分还处于理论研究阶段，虽然已经有大量有 价值的文献成果，但却难以应用于生产过程中的实时在线检测，所以还需要进一步研究和 探索。 本课题针对上述现状，基于o m a p 3 5 3 0 嵌入式系统平台，对织物疵点检测方法进行了 研究。整个论文的创新之处包括以下两点： 1 、在现有的理论基础上，提出了基于环形高斯带通滤波器的织物疵点检测算法。 2 、以o m a p 3 5 3 0 嵌入式系统为开发平台，以l i n u x 为操作系统，以d v s d k 为开发 工具，对多核处理器o m a p 3 5 3 0 内部的a r m 与d s p 协同开发做了全面的解析，并在该 平台上完成了基于环形高斯带通滤波器空域滤波模板的织物疵点检测程序设计。 1 4 论文的章节安排 本论文分为七章，其内容安排如下： 第一章绪论部分介绍了本论文研究背景、研究意义，以及目前国内外的研究现状，最 后给出了本论文主要研究内容以及创新点。 第二章对目前常用的织物疵点检测方法进行了概述。 第三章详细叙述基于环形高斯带通滤波器的织物疵点检测算法。 3 第1 章绪论 第四章主要简述了o a m p 3 5 3 0 嵌入式系统开发平台的硬件资源、开发环境的搭建以及 l i n u x 系统的移植。 第五章主要介绍d v s d k 开发工具的使用以及如何利用该工具实现a r m 与d s p 的协 同工作。 第六章主要详细介绍织物疵点检测算法在o m a p 3 5 3 0 嵌入式开发平台的实现方法。 第七章是总结展望部分。首先对本文所做的工作进行总结，然后指出在研究过程中存 在的一些问题以及难点，并对下一步研究方向提出了建议。 4 北京服装学院硕士学位论文 第2 章织物疵点检测方法概述 织物疵点检测是指利用数字图像处理技术，提取织物图像的特征参数，这些提取出的 特征参数能够在织物纹理特征发生突变时作出响应，利用提取的特征参数，能够将织物图 像的疵点区域有效的分割出来。 2 1 织物疵点检测方法分类 按照图像处理方法的不同，可将织物疵点检测方法分为两类：一类是先通过傅里叶变 换、小波变换、g a b o r 变换等方法，将图像从空间域变换到频率域后再进行处理；另一类 是在空间域中，对织物图像的灰度值直接进行处理。现对上述两种方法分别作简要介绍。 2 2 基于频域的织物图像疵点检测方法 基于频域的织物图像疵点检测方法主要有傅里叶变换法、小波变换法、g a b o r 变换法。 通过上述这几种方法，先把织物图像从空间域变换到频域，然后在频域中对织物图像进行 处理得到相应的特征，再进行织物疵点检测是目前主要的研究方法。 2 2 1 傅里叶变换 傅立叶变换是由法国数学家傅立叶提出的，他指出任何周期函数都可以表示为不同频 率的正弦或余弦和的形式。通过傅里叶变换所得到的频率域图像包含图像全部纹理信息， 并且可在一定程度上反映原始图像中不同频率分量的分布情况，在频域中处理完图像后还 能通过傅里叶反变换使图像从频域重新变换到空间域。 t s a i 等研究人员通过二维快速傅立叶变换提取织物的9 个参数，然后利用后传播( b p ) 神经网络检测缺纬、缺经、油污和破洞4 种疵点，识别率达到8 8 ；c h a n 也采用了相同的 方法，提取7 种频域特征参数，对双经、缺经、破洞和经密度异常4 种疵点进行了检测i l 3 | 。 傅立叶变换是一种全局方法，采用傅里叶变换对织物图像进行处理与分析时，只能得 到织物图像空间域或频域的整体信息，而在强调一些局部信息来表述纹理的微结构特征时 就显得无能为力了。 第2 章织物疵点检测方法概述 2 2 2g a b o r 变换 g a b o r 变换是对傅立叶变换的改进，通过预先加窗的方法使频谱反映时间局部特性。 利用g a b o r 滤波器对纹理进行分析时，通过不同尺度和方向上的滤波器来对织物图像进行 滤波处理，提取出纹理特征参数。用g a b o r 滤波器进行织物疵点检测时，其中一种方法就 是利用无疵点织物图像设计出能描述其特征的g a b o r 滤波器，然后利用该滤波器对被检测 的织物图像进行处理，处理完成后，疵点图像会被增强，而正常的纹理图像会被减弱，最 后通过图像阈值化得到疵点的位置和形状信息。 j e s c o f e t 等研究人员采用一组多尺度、多方向的g a b o r 滤波器将织物疵点从背景纹理 中分割出来【1 4 1 。d a u g m a n 进一步分析了信号在空间频率和方向上的不确定联系，得出g a b o r 滤波器能达到不确定准则理论下界的结论；g a b o r j a i n 等结合非线性变换技术和均方差聚类 技术，采用g a b o r 变换实现了多纹理的分割；b o d n a r o v a 等采用g a b o r 滤波器对织物的疵 点分类进行了研究【l3 1 。 虽然g a b o r 变换适用于图像的滤波、边缘检测与提取以及图像的分割与识别，但是 g a b o r 变换的计算量比较大。目前，对g a b o r 滤波器的研究主要集中在如何减少使用滤波 器的数量，以及对滤波结果进行后处理等方面。 2 2 3 小波变换 小波变换是由短时傅里叶变换发展起来的，具有多尺度的特点，在时域和频域具有表 征信号局部特征的能力。因此，利用小波变换对图像进行纹理分析，有利于选择更加有效 的纹理信息，舍弃一些无关的纹理信息，同时它还能提供纹理图像的空间位置信息。 w a r r e n 采用d a u b e c h i e s 小波对含有疵点的织物图像进行了正交分解，疵点本身固有的 频率特性使变换后的子图像包含了足够的可以辨识疵点的信息：李立轻等提出应用织物自 适应小波对织物疵点进行检测和识别，首先把织物图像分解为经向和纬向两幅子图，然后 统计子图中的灰度分布情况，从而获得判别疵点的特征值【l5 】；s u n g s h i n k i m 等则设计了一 种基于小波分析的在线织物疵点识别系统。 与傅立叶变换相比，小波变换能够更精确地分析出图像中的纹理信息以及提供不同尺 度下纹理的信息细节，因此，由织物疵点所导致的奇异点在经过小波变换后的图像中更容 易被识别。但小波变换不提供具体的频率信息，它只在不同的尺度上提供信号的细节，因 此，小波变换在多数情况下仅作为前处理程序，特征值的提取还要结合其他方法才能完成。 6 北京服装学院硕士学位论文 2 3 基于空间域的织物图像疵点检测方法 在空间域中，织物的灰度图像表现为一个灰度值矩阵，可以用不同的算法直接对灰度 值矩阵进行处理，实现织物疵点的检测。空间域中常用的织物疵点检测方法有：统计法、 模型法、数学形态法。 2 3 1 统计法 统计法是基于像素以及其相邻区域的灰度属性来研究纹理区域中的统计特性，即研究 像素及其相邻区域内灰度的一阶、二阶或高阶统计特性，从纹理图像中计算出区域问以及 区域内的像素灰度之间的依赖关系，以此作为图像的特征，用来表示区域间的相异性以及 区域内的一致性，从而实现织物疵点的检测。该类方法主要包括灰度直方图统计法、灰度 共生矩阵法【1 6 1 。 灰度直方图描述的是图像中每种灰度级像素的个数，反映了图像中每种灰度级出现的 概率以及次数。灰度直方图统计法是以灰度直方图、图像的均值、图像的方差作为特征值。 高晓丁等人先对无疵点织物图像的经纱方向和纬纱方向分别进行直方投影生成直方波形， 并计算织物图像的灰度均值和方差，然后与被检测的织物图像进行比较，从而确定织物纹 理结构的异常位置，并识别织物疵点。该算法适应性强、运算快捷、可靠稳定、原理简单， 但不能检测出所有类型的织物疵点。 灰度共生矩阵是一种通过研究灰度的空间相关特性来描述纹理的常用方法。由于纹理 是由灰度分布在空间位置上反复出现而形成的，因而在图像空间中相隔某距离的两像素之 间会存在一定的灰度关系，即图像中灰度的空间相关特性【3 3 l 。从灰度共生矩阵中可以提取 纹理特征量参数，在进行织物疵点检测时，可以根据提取到的纹理特征量参数来判断织物 图像中是否含有疵点。该方法的优缺点为：在检测织物图像时不受疵点种类限制，且不需 要选择阈值作为判断织物图像的依据；不足之处是计算量相对比较大。 2 3 2 模型法 模型法假设纹理是以某种参数控制的模型分布，采用模型的参数作为纹理特征。该方 法的关键是如何选择模型的参数以及为待处理图像选择合适的模型。模型法主要有随机场 模型法和分形模型法。 7， 第2 章织物疵点检测方法概述 随机场模型是以概率模型来描述纹理的随机过程，对随机数据或者随机特征进行统计 运算估计纹理模型的参数作为纹理特征，形成和纹理类型个数一致的多种模型参数，然后 对多种模型参数进行聚类，以确定像素及其邻域情况下该像素点最可能归属的概率。随机 场模型实质上描述的是图像中的像素对其邻域像素的统计依赖关系，该模型中应用最广泛 的是m a r k or a n d o mf i e l d ( m r f ) 模型【1 。7 1 。m i u 模型法先是对无疵点织物图像进行分析， 然后得到织物纹理的m r f 参数，最后将该参数作为特征值对织物图像进行检测。m r f 模 型的优缺点为：该方法表述问题清晰、直观，不受织物疵点类别的限制：不足之处是在估 计模型参数时，计算量相对比较大。 分形模型法是指以分形维数作为分形的重要特征和度量，把图像的空间信息和灰度信 息简单而又有机地结合起来的一种方法【l6 | 。研究表明，人类视觉系统对于粗糙感和凹凸感 与分形维数有着密切联系，因此可以利用图像区域的分形维数来描述图像区域的纹理特性。 分形维数描述纹理的核心问题是如何准确地估计出分形维数。徐增波等研究人员先利用 w o l d 纹理模型从织物纹理中提取非结构性纹理，然后运用分形理论从织物非结构性纹理中 提取表面维分形特征曲线，再将被检测的织物图像与无疵点的织物图像的分形特征曲线进 行比较，采用距离判别法来检测织物疵点。 目前人们已经提出的一些分形维数的估计方法在估计精度和计算复杂度之间还没有 找到一个比较好的折中方法，这是分形维数方面还需继续研究探讨的问题。 2 3 3 数学形态法 数学形态法主要针对二值图像，其思想是用具有一定形态的结构元素去度量和提取图 像中的对应形状，即以结构基元去寻找形状的空问重复性，主要描述图像中各个元素或者 各个部分之间的关系，以达到对图像分析和处理的目的。利用该方法对织物图像进行疵点 检测时，首先要利用无疵点织物图像的自相关函数计算出织物的基本重复单元，得到结构 元素，然后计算织物疵点图像的灰度均值以及标准差，并根据它们的大小确定织物图像疵 点区域与无疵点区域的判别阈值，最后将疵点从被检测图像中分割出来。由于该方法主要 针对二值图像，受噪声的影响大，容易引起错误检测，而且这种检测方法的计算步骤较多， 所以处理速度较慢，所以应用比较受限。 8 北京服装学院硕士学位论文 第3 章织物疵点检测算法设计 织物疵点自动检测与分类是近几十年来国内外学者研究的热门课题之一，已有一些成 果可见报道。但由于织物疵点本身形态各异、种类繁多，使其成为了研究领域的一个难题。 目前，各种文献提出的关于织物疵点自动检测与分类的算法较多，但部分算法过度复杂、 运算时间长，无法满足实时性的要求；一些算法的实时性好，但其误检率和漏检率高、适 应性差，也不能应用于实际检测系统。为降低织物疵点自动检测与分类系统的成本、提高 对织物布匹的检验速度，研究开发适应性强、实时性好、检测精度高、分类效果好的算法 仍然是研究人员面临的急需解决的问题。 从文献 1 6 可知，从织物图像频谱图的峰值分布中可以提取重复模式的特征信息，该 特征信息也表示织物图像的纹理信息，因而可以从疵点织物图像的频谱中提取出疵点部分 的特征信息。织物图像频谱图的最高峰位于中心点处，通常最高峰值被用来表示频域直流 项，令该点作为频域直角坐标系的原点，频谱图中离原点越近频率越低，图像灰度变化越 缓慢；离原点越远频率就越高，图像中灰度变化越快。从频谱图中可知图像的大部分信息 主要集中在峰值所在位置附近，因此可在除原点外的其他波峰处设置带通滤波器，使得该 峰值所在位置附近的频率信息通过，抑制其他频率信息【l6 1 。 本文作者在研究 1 8 2 0 文献的基础上，提出了基于环形高斯带通滤波器的织物疵点检 测算法，与基于g a b o r 滤波器组的疵点检测算法相比，本算法降低了滤波器的数目，提高 了实时性。本文还对这种算法进行了实验验证，证明了这种算法在检测织物疵点方面的有 效性。 3 1 环形高斯带通滤波器 鬲斯带逋滤坡器在频域的数字捅述( 传递函数) 如卜： h n ，v ) p _ 嘎矧 ( 3 ) 式( 3 1 ) 中，r 为滤波器的径向中心频率，决定了滤波器在频域中的位置；仃为通常意义 下高斯滤波器的截止频率，决定了滤波器在径向中心频率附近的衰减速率。本文所采用的 滤波器函数如式( 3 2 ) 所示。 h ( u ，v ) p _ 匝鼍掣2 ( 3 - 2 ) 9 第3 章织物疵点检测算法设计 式( 3 - 2 ) 中，u _ 1 ，2 ，3 n ，v = l ，2 ，3 n ；【n 为所处理图像大小；让。= = i n + 1 ，( u 。，v o ) 表示频率矩阵的中心点位置。其三维图和径向截面图见图l 所示。 00 ( a ) 环形高斯带通滤波器三维图( b ) ( a ) 图所示滤波器的径向截面图 图1 环形高斯带通滤波器频域三维图和径向截面图 3 2 环形高斯带通滤波器组的设计 对于织物疵点图像，经过一组不同径向中心频率、不同方位的滤波器处理后，疵点在 不同滤波器作用下会有不同的表现形式，通过将各个滤波器的滤波结果进行融合与分割处 理，可将疵点从织物背景中分离出来，这是本算法的疵点检测过程，同样也是大量文献介 绍的基于g a b o r 滤波器组的疵点检测算法的检测过程。为了保证检测效果，在设计g a b o r 滤波器组时，一般要使织物疵点的频率尽可能地被滤波器组所覆盖，让疵点信息损失最少， 这会使滤波器的个数多达4 1 6 个，结果造成算法计算量大、实时性差。本算法采用了环 形高斯带通滤波器，由于一个滤波器在频域就能覆盖较大区域，故可使滤波器数目大大降 低，从而能够提高算法的实时性。 环形高斯带通滤波器的参数包括，和盯，设计滤波器就是要确定，和仃的值，而设计 滤波器组则需确定滤波器组中滤波器的个数、以及每个滤波器的参数广和盯。环形高斯带 通滤波器的参数选择方法类似于基于g a b o r 滤波器组的疵点检测算法中g a b o r 滤波器的参 数选择方法。文献 1 9 2 5 等不同程度地给出了g a b o r 滤波器组中滤波器个数、径向中心频 率、方位角和方差的选择方法。 为兼顾实时性和检测效果，本算法中的滤波器组共包含3 个滤波器，其中2 个为环形 高斯带通滤波器，1 个为高斯滤波器( 径向中心频率为0 的环形高斯带通滤波器) 。为叙述 简明，本文约定1 个高斯滤波器和2 个环形高斯带通滤波器的径向中心频率分别为小r 2 和 r 3 ，截止频率吼= f o ，i = 1 ，2 ，3 。根据文献【2 3 】给出的方法，f o = 扼8 ( 数字频率) 。径向中心 1 0 北京服装学院硕士学位论文 频率小r z 和r 3 是根据无疵点织物图像求得，其方法是首先求得无疵点织物图像f ( x ，y ) 的离 散傅里叶变换，再将该变换的原点移到中心位置，得到f ( u ，v ) ；根据其对称性，在其幅度 谱中找到峰值不等的第一高峰、第二高峰、第三高峰；最后根据这三个峰值出现的位置求 其距离中心原点的距离，所得结果即为小r 2 和r 3 。 3 3 基于环形高斯带通滤波器频域滤波的织物疵点检测算法 本算法采用1 个高斯滤波器和2 个环形高斯带通滤波器对待检测织物图像进行疵点检 测，其流程图如图2 所示。下面将详细介绍算法流程。 图2 频域疵点检测流程图 对一幅n x n 大小的无疵点织物图像f ( x ，y ) ，求出其傅里叶变换，并将原点移到中心 位置，得到f ( u ，v ) ，f ( u ，v ) 是关于中心对称的频谱。然后在其幅度谱中找到最高峰( 通常 最高峰的位置出现在原点) ，第二高峰，第三高峰出现的位置，并求出其距离原点的距离、 q 和r 2 。 依据式( 3 2 ) ，确定1 个高斯滤波器和2 个高斯环形带通滤波器的传递函数h 1 ( u ，v ) 、 也( u ，v ) 、h 3 ( u ，v ) 。 对待检测织物图像f i ( x , y ) ，并求出其离散傅里叶变换f 1 ( 让，1 7 ) 。依据公式( 3 3 ) ，用 第3 章织物疵点检测算法设计 3 个滤波器分别砒( 薯y ) 在频域进行滤波处理后，再进行离散傅里叶反变换，得到3 个滤 波结果图像g ( x jy ) 。在公式( 3 3 ) 中，g i ( u ，v ) 为g f ( x ，y ) 的离散傅里叶变换，i = l ，2 ，3 。 g ( u ，v ) = f ( u ，v ) 凰( u ，1 7 ) ( 3 - 3 ) 对每一个滤波结果图像，分别求其平均值玩和标准差盈。 1 虿= 去g ，( w ) ( 3 - 4 ) t = 3 。 6 i =( 3