（机械电子工程专业论文）织物疵点检测算法及其基于dm642图像处理系统的软件设计.pdf

北京服装学院硕士学位论文 织物疵点检测算法及其基于d m 6 4 2 图像处理系统的软件设计 摘要 织物疵点检测是纺织品生产中进行质量控制的重要环节。目前国内对疵 点的检测主要由人工完成，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，研究织物疵点自动检测系统具有重要的社会和经济意义。 本文针对无疵点织物图像的特性，设计了一组g a b o r 滤波器，并利用遗 传算法优化出g a b o r 滤波器的参数。采用此g a b o r 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，并利用这两种算法对织物疵点进 行检测，获得了较好的检测效果。同时，本文在d m 6 4 2 图像处理系统上完成 了基于g a b o r 滤波器组一维空域模板的疵点检测算法软件设计，实现了织物 图像采集，疵点检测以及结果显示等功能。 关键词：g a b o r 滤波器；疵点检测；遗传算法；卷积模板；d m 6 4 2 北京服装学院硕士学位论文 f a b r i cd e f e c t d e t e c t i o na l g o r i t h m a n di t ss o f t w a r ed e s l g no n d m 6 4 2i m a g ep r o c e s s i n gs y s t e m a b s t r a c t i nt e x t i l ei n d u s t r y f 萏晰cd e f e c td e t e c t i o ni st l l ei m p o r t a i n tp a no fq u a l i 够 c o n t r 0 1 c u r r e n t l y ，t h ef a b r i cd e f e c td e t e c t i o ni sm a n u a l l yc o m p l e t e di nc h i n aw i t l l 协e s ed i s a d v 锄t a g e ss u c h 鹊h i 曲l a b o rs 仃e n g t i l ，l o we m c i e n c y h i 曲e rf a l s e d e t e c t i o nr a t e 锄ds oo n t h e r e f 0 r e t l l er e s e a r c ho na u l i o m a t i cf | a b r i cd e 侥c t d e t e c t i o ns y s t e mh 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 i l i f i c 锄c e i i lm i st l l e s i s ，ab a n ko fg a b o rf i l t e r sa r ed e s i g n e db a s e do n 1 ef e a t u r eo f n o n - d e f e c tf a b r i ci i l l a g e t l l e i rp a r 锄e t e r sa r eo p t i m i z e db yg e n e t i ca l g o 珊u n t w o d e f e c td e t e c t i o na l g o r i m m sb a s e ds 印a r a t e l yo nt l l eg a b o rf i l t e rb a n ki n 丘e q u e n c y d o m a i l la l l dt h e i rs p a t i a l d o m a i nc o n v o l u t i o nm a s l ( sa r ed e s i g n e dt od e 协c tt 1 1 e f a b r i cd e f e c t s t h ed e t e 吐i o nr e s u l t ss h o wt l l a tt l l ef a b r i cd e f b c t sa r e 叫c c e s s f h l l y s e g m e n t e d 丘d m l et e ) 曲r eb a c k 伊o u n d a 1 s o ，t 1 1 es o f t w a r ed e s i g no fm ef 拍r i c d e f e c td e t e c t i o na l g o r i t h mb a s e do no n e d i m e n s i o n a ls p a t i a l d o m a i nc o n v o l u t i o n m a s l ( si sa c c o m p l i s h e do nm ed m 6 4 2i m a g ep r o c e s s i n gs y s t e m t h ee x p e r i m e n t a l r e s u hs h o w st h a tt h i ss o f h v a r ec a nf 硒s hc 印蜘r i n gf a b r i ci m a g e ，l o c a t i n gd e f e c ti i l t 1 1 ei m a g e 锄dd i s p l a y i n gi tc o r r e c t l y k e yw o i m s ：g a b o rf i l t e r ；d e f e c td e t e c t i o n ；g e n e t i ca l g o r i t l r n ；c o n v o l u t i o n m a s k ：d m 6 4 2 i i 原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取 得的成果。除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰 写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。 本人完全意识到本声明的法律结果由本人承担。 学位论文作者签名：j 艰亚苟支 签字日期：1 柙7 年a 月肛日 j 学位论文版权使用授权书 学位论文作者完全了解北京服装学院有关保留和使用学位论文的规定，即：研究生在 校攻读学位期间论文工作的知识产权单位属北京服装学院。学校有权保留并向国家有关部 门或机构送交论文的复印件和磁盘，允许学位论文被查阅和借阅；学校可以公布学位论文 的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后适用本授权书) 学位论文作者签名：二母熏省 签字同期：埘年卢月户日 学位论文作者毕业后去向 工作单位： 通讯地址： 导师签名群彳司绎 签字日期：2c ，0 7 年f2 月雎日 电话 邮编 北京服装学院硕士学位论文 1 1 课题背景及研究意义 第一章绪论 国内纺织工业在自动化技术应用上已经取得很大进展，各道工序的生产效率也得以大 幅度地提高。然而纺织品检测效率并没有同步提高。在纺织品生产中，质量控制与检测十 分重要，织物疵点是影响织物品质的主要因素，因此织物疵点检测成为质量检测中的重要 项目之一。 织物表面是一种典型的结构性纹理，它具有显著的周期性、方向性和均匀性，织物疵 点的存在打破了纹理在频率和方向上的和谐统一，导致了织物质量的下降。因此，疵点检 测的目的就是在织造过程和织造过程后整理过程中及时发现疵点，通过修复和预防，尽可 能降低由疵点导致的织物质量的下降。目前，国内织物疵点检测主要由人工操作完成，检 测人员参照验布标准，寻找布面疵点，对不能当场及时修整的疵点，做上不同颜色的标记， 事后由专门的修布工人来修整。这种方法存在劳动强度大、检测效率低、误检率和漏检率 高、验布结果受检验人员主观因素影响较大等缺点，难以得到准确的检验结果。基于以上 原因，织物疵点的自动检测日益受到国内外专家学者的关注，成为研究的热门课题之一。 近年来，随着计算机视觉、数字图像技术的发展，使得基于图像处理和微机平台的织物疵 点自动检验成为可能。以摄像头和图像采集卡获取织物图像，由计算机分析和处理这些图 像，实现对织物疵点的检测和识别。这样不但提高了纺织企业的生产效率，降低了成本， 减轻了验布人员的负担，也为对产品质量的评估和对织物疵点的种类、大小制定客观标准 打下了基础。 目前国内对织物疵点进行检测的研究尚处于起步阶段，尽管已经出现了大量有价值的 文献成果，科研水平也逐步提高，新的方法不断出现，但较成熟的检测系统甚少。在把自 动化技术应用于纺织行业的生产检测和管理己变得越来越重要的今天，需要探索和研究出 实用的疵点检测系统。根据我国国情，以较低成本的系统硬件，配以高质量的检测软件， 以微型计算机和数字信号处理( d s p ) 芯片为平台，以c c d 和图像采集卡为图像捕获设备来 研究开发织物疵点自动检测系统应该是这一领域的发展方向。 北京服装学院硕士学位论文 1 2 织物疵点检测的研究现状 采用计算机进行织物疵点检测的研究于2 0 世纪8 0 年代开始发展起来，经过2 0 多年 的研究，已经取得了许多成果。国外一些公司在多年研究的基础上推出了新的信息技术下 的验布系统，称之为自动验布系统“1 。目前常见的自动验布系统有以下几种： ( 1 ) 以色列爱微斯( e v s ) 公司的i t 既验布系统，该系统基于独立图像理解算法，其 算法能模仿人类的视觉机制，可自动控制探测、保存、定位，并能对布面上的疵点进行评 估分析。 ( 2 ) 瑞士u s t e r 公司的f a b r i s c a n 自动验布系统。系统采用神经网络技术，检测时首 先是初始的学习阶段，获取织物正常外观特征参数，然后进入检测阶段，寻找与正常外观 不同的局部异常，并对其分析、标记和记录。检测结果可输入集成的质量管理系统，用于 对疵点进行分类，进一步评价织物的质量。 ( 3 ) 德国o b d i x 光电子技术公司开发的在线织物检验系统。该系统是把光学和力学结 合在了一起，在相关软件支持下，用传感器对正在织造的织物表面进行检测。 在国内，一些大学和研究机构也发表了相关的论文，对疵点检测进行了大量的研究， 如东华大学、华中科技大学、浙江理工大学等学校的学者对此都有较深入的研究，研究的 内容主要是疵点的识别算法、特征值的提取算法等，但大部分仍处于理论研究阶段。我国 还没有一套能推向市场的织物疵点识别系统，研究工作应该着重向实用化方面发展。 1 3 论文的主要内容 本文在湖北省数字化纺织装备重点实验室开放课题资助下，利用数字图像处理与分析 技术对织物疵点的检测算法进行了研究，完成了基于d m 6 4 2 图像处理系统的疵点检测软件 设计。现将论文各章内容简要介绍如下； 第一章介绍了课题的研究背景、研究意义以及国内外织物疵点检测的研究现状，之后 总结概括了论文的主要内容。 第二章简述了目前常见的空间域和频率域中的织物疵点检测方法，分析了各种方法的 优缺点。 2 北京服装学院硕士学位论文 第三章详细讨论了两种织物疵点检测算法的设计过程。第一部分讨论了基于g a b o r 滤 波器频域滤波的织物疵点检测算法，提出了一种g a b o r 滤波器参数的确定方法，并采用具 有这些参数的g a b o r 滤波器对织物疵点进行检测，给出了疵点检测实验结果及对结果的分 析。第二部分讨论了基于g a b o r 滤波器一维空域模板的织物疵点检测算法，提出了一种 g a b o r 滤波器一维空域模板的获取方法，获得与频域滤波相同的g a b o r 滤波器组的一维模 板参数，并利用这些一维模板在空间域中对疵点进行检测，给出了检测结果及其分析。 第四章介绍了d m 6 4 2 图像处理系统的主要组成部分i c e t e k _ d f 6 4 2 一p c i 评估板的主要 硬件结构、地址空间的分配、d m 6 4 2 访问数据的流程以及图像数据处理的流程，为下一章 实现d m 6 4 2 图像处理系统上的软件设计奠定基础。 第五章详细阐述了基于d m 6 4 2 图像处理系统的疵点检测软件的程序设计过程。文中首 先介绍了d m 6 4 2 的集成开发环境c c s 以及基于该开发环境的软件设计框架d s p b i o s ，然后 讨论了在d s p b 1 0 s 框架下实现图像采集、处理、显示、存储等功能的程序设计方法，并 利用f l a s h 实现了程序的自动装载功能，最后给出了d m 6 4 2 平台上的软件实现结果，并总 结了在程序设计过程中遇到的主要阿题。 第六章对全文进行了总结，指出了研究中存在的问题，并对进一步的研究方向提出了 建议。 北京服装学院硕士学位论文 第二章织物疵点检测方法简述 疵点自动检测技术的核心内容是对采集的织物图像进行处理的方法。目前，按照图像 处理方法的不同，疵点检测方法瞎“”大致分为两类：一类是通过傅立叶交换、g a b o r 变换、 小波变换等方法，把图像转换到频率域后再进行分析计算；另外一类是直接对图像的灰度 值在空间域计算，提取特征值。现对上述两种检测方法分别作一简要叙述。 2 1 基于频率域图像处理的疵点检测方法 常用的处理方法有二维快速傅立叶变换法、g a b o r 交换法、小波变换法等。 2 1 1 傅立叶变换 傅立叶变换“1 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。通过傅立叶变换将图像转换到频率域，检测和研究图像的频 谱特征并进行滤波处理。对于给定的图像，其二维傅立叶变换能包含全部纹理信息，因此 从傅立叶频谱导出特征值是非常有用的。 t s a i 等通过二维快速傅立叶变换提取织物的9 个参数，应用后传播( b p ) 神经网络检测 缺纬、缺经、油污和破洞4 种疵点，识别的正确率为8 8 ；c h a n 采用相同的方法，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。 傅立叶变换是一种全局方法，它提供频域中精确的定位信息，但不提供任何空间域的 定位信息，不适合检测局部疵点。 2 1 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， g a b o r 变换函数也称为g a b o r 滤波器。检测时，首先根据正常织物的图像设计与之匹配的 g a b o r 滤波器，然后采用该滤波器对待检图像进行处理，在得到的图像中疵点图像被增强， 而正常纹理图像被减弱，最后通过图像阈值化得到疵点的位置和形状信息。 m a r c e l j a 首先用g a b o r 滤波器模拟视觉细胞的接收场，指出了视觉细胞对事物的空间 频率的局部分析能力；d a u 鲫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 4 北京服装学院硕士学位论文 出g a b o r 滤波器能达到不确定准则理论下界的结论；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。 由于g a b o r 变换同时具有在空间域和频率域的最佳定位精度，因此g a b o r 滤波器不仅 可以灵敏地检测到织物图像频率成分的变化，而且可以在空间域中精确地定位此变化的位 置。它涉及到的参数比较多，可调性好，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。虽然g a b o r 变换的计算量比较大，最优g a b o r 滤波器的选择和设计还待优化， 但g a b o r 变换仍不失为一种极富潜质的检测算法。 2 1 3 小波变换 小波变换是一个时间和频率的局部变换，它通过对织物疵点图像作小波分解，获取经 向、纬向输出的子图像，再对子图像进行检测。 1 9 9 5 年，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；李立轻等以自 适应的正交小波变换为前处理，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：钟克洪等以d a u b e c h i e s 小波变换为 前处理，把纹理图像分解为近似子图和水平、垂直、对角方向细节子图，然后在每个子图 上计算纹理的二阶统计特征值。 小波变换具有多分辨率的特点以及在时频两域表征信号局部特征的能力，非常适合检 测信号的奇异点，有利于织物疵点的正确定位。但是小波变换不提供具体的频率信息，它 只是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。 2 2 基于空间域图像处理的疵点检测方法 数字图像在空间域中表现为一个灰度值矩阵，采用不同的方法对灰度矩阵进行处理就 可获得不同的特征值。常用的处理方法有灰度共生矩阵法、纹理模型法、形态法、灰度匹 配法等。 北京服装学院硕士学位论文 2 2 1 灰度共生矩阵法 灰度共生矩阵是分析纹理结构的基本方法，图像的灰度共生矩阵反映了图像灰度关于 方向、相邻间隔、变化幅度的综合信息，它是分析图像局部模式结构及其排列规则的基础。 作为纹理分析的特征量，不是直接应用灰度共生矩阵计算，而是在灰度共生矩阵的基础上 再提取纹理特征量，称为二次统计。 y o s h i o 采用灰度共生矩阵提取织物的特征值；栾绍峰等应用灰度共生矩阵实现了针对 聚丙烯编制袋坯布的缺陷检测系统；t s a i 等采用共生矩阵和神经网络对织物的疵点进行了 检测，对于1 0 0 l o o 像素的灰度图像，计算6 个特征值需要花费3 0 s 的时间。 基于灰度共生矩阵法的检测不受疵点种类的限制，而且不需要选择阙值作为对待检测 织物进行判断的依据。但其计算量非常大，不适宜在线的高速织物疵点检测。 2 。2 2 纹理模型法 c o h e n 等采用g m r f ( g a u s s m a r k o vr a n d 伽f i e l d ) 纹理模型进行疵点检测。首先，通 过对正常织物图像的分析，得到织物纹理的g m r f 参数，作为检测过程的特征值。检测时， 对待检测织物图像分块，再计算每个图像块的g m r f 参数，通过与特征值对比，判别该图 像块是否存在疵点；美国d r e x e l 大学的c o h e n 等人将m a r k o v 随机场纹理模型应用于织物 疵点的自动检测，取得了良好的效果。他首先根据无疵点样布的图像估计该随机场模型参 数，并以此为匹配模板。在实际检测时，将待检测织物的模型参数与模板进行对比，通过 统计假设法对待检织物做出判断。 纹理模型法的最大优点在于采用较少的随机场模型参数表示一幅织物图像，同时又因 为其模型参数的估计算法的效率高，从而减少了织物图像分析的总体计算量；其次由于该 方法从图像时域信号统计的角度出发，因此对织物疵点的检测不受该疵点类别的限制。这 种方法的不足在于仅仅通过随机场模型并不能最大限度地降低图像分析的计算复杂度和 提高图像处理的速度，因而还不能实现织物疵点的快速自动检测。 6 北京服装学院硕士学位论文 2 2 3 形态法 形态法首先根据标准无疵点织物图像的自相关函数计算织物的基本重复单元，得到结 构元素，然后计算有疵点织物图像像素点的灰度均值以及标准差，并根据它们确定织物图 像疵点区域与无疵点区域的判别闽值。 形态法能够判断具体疵点的类别，但由于它要对像素点进行逐点二值化，因而受噪声 的影响大，容易引起错误检测，而且因为这种检测方法的计算步骤多，所以处理速度较慢。 2 2 4 灰度匹配法 灰度匹配法一般通过将待测织物与无疵点样布进行灰度比较，求出两者灰度的种度 量差，再与设定阈值比较，对待测织物做出判断。 美国g i t ( g e o r g i ai n s t i t u t eo ft e c h n 0 1 0 9 y ) 的1 e w i s 在研究中采用灰度匹配的方法， 首先将待检测织物图像与无疵点织物图像进行灰度相减，得到一幅差值图像，再用一个低 通滤波器对该差值图像滤波，通过滤波结果图像的灰度分布情况得到了特征值。 灰度匹配法操作简洁，但是对外界条件的要求较高，如恒定的照明条件等。 2 3 小结 本章简述了目前常见的空问域和频率域中的织物疵点检测方法，并分析了各种常见方 法的优缺点。本文采用基于g a b o r 滤波器的频域滤波法和基于空间域的卷积模板法分别实 现对织物疵点的检测，具体的内容将在第三章中详细介绍。 7 北京服装学院硕士学位论文 第三章织物疵点检测算法设计 织物的表面是一种典型的纹理结构，其纹理具有明显的经纬方向性，疵点的存在打破 了这种纹理特性。本文通过方向性较强的g a b o r 滤波器将正常织物纹理与疵点区分开，从 而达到疵点检测的目的。本章主要是研究织物疵点的检测算法，给出了基于g a b o r 滤波器 的频域滤波和一维空域卷积模板滤波两种检测算法，并对两种算法进行了实验验证，证明 了这两种算法在织物疵点检测方面的有效性。 3 1 基于g a b o r 滤波器频域滤波的织物疵点检测算法 本节主要介绍基于g a b o r 滤波器频域滤波的疵点检测算法。首先对算法中用到的图像 处理相关内容傅里叶变换和g a b o r 滤波器进行简要介绍。 3 1 1 傅立叶变换和g a b o r 滤波器 3 1 1 1 傅里叶变换 傅立叶变换是1 9 世纪2 0 年代法国数学家傅立叶提出的一种经典时频分析理论，其实 质是将信号分解成不同频率的正弦信号的叠加，从而刻画信号的频率结构分布，它为信号 的时域描述和频域描述之间的相互转换建立了桥梁。傅立叶变换谱是信号的统计特征，不 包含任何的时域信息。 对于一维连续函数八x ) ，它的傅立叶变换， ) 定义为： f ( ”) = f ，( x ) p 哪”出 ( 3 一1 ) 若给定， ) ，通过傅立叶反变换可以得到，( 毒) ： ，( ，) = ff ( “) p ，2 ”出 ( 3 2 ) 正、反傅立叶变换的形式相同，唯一的区别是指数项的符号。 对于二维连续函数j r ，y ) ，它的傅立叶变换f ( “，v ) 定义为： f ( 州) = y ) p m 咖例姗 ( 3 3 ) 8 北京服装学院硕士学位论文 同理，f ( ”，v ) 的傅立叶反变换如f ： 厂，) = f f ( ) p m ”撕 ( 3 4 ) 数字图像是二维离散信号，为在图像处理中应用傅立叶变换，必须引入离散傅立叶变 换( d f t ，d i s c r e t ef o u r i e rt r a n s f o r m ) 的概念。 一维函数八力的离散傅立叶变换为： f ( “) 2 吉萎，( x ) p 叫2 “” h = o ，1 幺一m 一1 ( 3 5 ) 由，( ”) 反变换获得原函数厂( x ) 如下： 厂= f ( “) p 7 2 “ x = o ，1 ，2 。，m l ( 3 6 ) 一维离散傅立叶变换的空间域和频率域抽样间隔之间的关系如下： 缸= - ( 3 7 ) 肘血 其中血和玎分别为空间域和频率域的抽样间隔，为离散函数序列的长度。 二维函数，( x ，y ) 的离散傅立叶变换为： 肋，d 2 高萎丢m e 2 叫一删 ( 3 - 8 ) 其中甜= o ，1 ，2 。，m 一1 ，v = o ，1 ，2 。，一1 。 同样，由f ( “，v ) 通过傅立叶反变换可以得到，( x ，j ，) 如下： ，( 墨力= ，似，v ) p 2 。“”+ ( 3 9 ) 其中工= 0 ，1 ，2 。，m l ，j ，= o ，1 ，2 。，一l 。变量“和1 ，是变换域频率变量，x 和y 是时域变量。 同样，二维离散傅立时变换的空间域和频率域抽样间隔之间的关系如下： 甜= ( 3 1 0 ) m 奴 、 v = 古 ( 3 一1 1 ) v 。 通常在根据式( 3 8 ) 对图像进行傅立叶变换之前蛳，需要用( 一1 ) 一乘以输入的图像函 数，使频率谱的原点移至( 肘2 ，2 ) 。根据指数的性质，很容易看出； 3 _ ，b ，y ) ( - 1 ) “7 = f 一肼2 ，v 一，2 ) ( 3 1 2 ) 9 北京服装学院硕士学位论文 其中3 【】表示傅立叶变换。这个等式说明厂y 一1 ) 傅立叶变换的原点( 即h o ，o 】) 被设 置在“= 材2 和，= ，2 上。换句话说，用( 一1 ) “7 乘以厂( x ，j ，) 将f 国，原点变换到频率坐 标下的( m 2 ，2 ) ，它是二维d f t 设置的肘n 区域的中心。将此频率域的范围指定 为频率矩形，它从“= o 到甜= m l ，从v = o 到v = 一l ( “和v 是整数) 。为了确保移动后 的坐标为整数，要求m 和为偶数。图1 中的( b ) 和( c ) 分别给出了图像( 见图l ( a ) ) 傅立 叶变换的原点移动前后的频谱。 ( a ) 原始图像( b ) 移动前的频谱( c ) 移动后的频谱 图l 原点移动前后的频谱 3 1 1 2g a b o r 滤波器 傅立叶变换是数字信号处理的有利工具，然而它只能反映信号的整体性质，而不能反 映信号在局部时间范围中的特征。对于图像来说，局部特征( 如图像边缘) 的分析往往很重 要。为了提取信号的傅立叶变换的局部信息，d e n n i sg a b o r 于1 9 4 6 年在他的研究中提出 了一种重要的时频分析方法g a b o r 变换，引入了一个时间局部化窗函数高斯函数。 因为高斯窗函数的傅立叶变换仍是一个高斯函数，所以其傅立叶反变换也是局部的，这样 g a b o r 变换在时域和频域能同时得到局部化用，具有优良的时频局部特性。对疵点检测来 说，频域局部化越好，则更能将正常织物纹理与疵点区分开，有利于发现疵点；时域局部 化越好，则有助于疵点的精确定位和形状描述。 g a b o r 交换函数又称为g a b o r 滤波器，g a b o r 滤波器能够在二维图像纹理分析中检测方 向性嘲较强的边缘，是一类十分重要的方向性滤波器。有研究表明g a b o r 滤波器和人的视 觉接受场模型吻合嘲，即人类视觉是将投影于视网膜上的图像经过一系列滤波器进行滤波， 然后将这多通道输出的成分进行综合最终形成视觉的，这一系列滤波器可以用不同中心频 率和不同空间方位的g a b o r 滤波器很好地拟合。因此，g a b o r 滤波器被应用于大量的图像 分析和计算机视觉中。 g a b o r 滤波器实际上是一个带通滤波器，本文采用的圆型g a b o r 滤波器的冲激响应函 数有如下形式“”： 1 0 北京服装学院硕士学位论文 讹力= 寺唧 - 专纠酬：嘲力 伊 其中仃用于控制g a b o r 滤波器带通区域的伸缩程度，是g 曲o r 带通滤波器的中心频率， 它决定滤波器在频域中的位置。 式( 3 1 3 ) 的傅立叶变换为： 卿v ) = 唧卜堕笔￥】 ( 3 _ 1 4 ) 在时域中，通过坐标旋转变换公式，可以得到任一方向下的g a b o r 滤波器，见式( 3 1 5 ) 。 坼= 去c x p 一学 酬2 咖， 伊 其中x = 工c o s 曰+ y s i n 口，y = 吖s i n 口+ y c o s 口，口代表旋转的角度，x 和y 为原来坐标，工 和y 为旋转后的坐标。 频域中任一方向下的g a b o r 滤波器表示如下： 足( 甜，v ) = e x p 卜兰：! ! ! ；：；：盟】 ( 3 1 6 ) 其中- = 搿c o s 护+ p s j n 口，v = 一甜s i l i 护+ v c o s 占，护代表旋转的角度，和p 为原来坐标， 和v 表示旋转后的坐标。因此，在频域中用做滤波处理的g a b o r 滤波器的参数就由中心频 率，旋转角度口，以及尺度盯确定。 对式( 3 1 5 ) 进行分析。可以得到如下形式： 坼加去唧卜甓纠删咖m c ， 其中， t ( 功= 去e x p 卜刍e x p ( 2 万豇一c o s 回 = 志e x p 卜丢- 】唰2 嘲，豳 此时，t ( x ，y ) 的傅立叶变换形式如下： 置( v ) = e x p 卜! 兰二鼍：笋盟】e x p - 兰二号：字丛】= 疋( “) 巧( v ) ( 3 1 8 ) 萁中 北京服装学院硕士学位论文 蜘) _ e x p 【_ 塑辨 即) = 唧卜学】 根据二维傅立叶变换的可分性，可以证明吒( x ) 的傅立叶变换为疋 ) ，( 力的傅立叶 变换为k 。( v ) 。 从式( 3 1 7 ) 可以看出，后似y ) 可交换成t ( z ) 和七，( y ) 之乘积。这意味着用g a b o r 滤波 器对图像进行滤波处理时所需的二维卷积运算就可以用一维卷积运算实现。 如果用g a b o r 滤波器对大小为n n 的数字图像进行处理，其处理过程在空间域中可 以用以下数学公式表示： g ( x ，力= 一，y 一妨，( i ，幻 ( p 1 9 ) 其中，( x ，y ) 为被处理的图像，g ) ，) 为g a b o r 滤波处理后的图像；_ l o ，y ) 为滤波器的单位 抽样响应；工= o ，1 ，2 ，”j 一l ，y = o ，l ，2 ，”j 一1 。 频率域中g a b o r 滤波器对图像的处理过程可以表示为： q ( 甜，v ) = 日( “，v ) f ( 甜，v ) ( 3 2 0 ) 其中，( 牡，v ) 和q ，v ) 分别为，o ，y ) 和g ( z ，y ) 的离散傅立叶变换；相应地，日( “，v ) 是厅o ，y ) 的离散傅立叶变换。 下面详细介绍基于式( 3 2 0 ) 频域滤波的疵点检测算法。 3 1 2 基于g a b o r 滤波器频域滤波的疵点检测算法总体流程 本节将讨论基于g a b o r 滤波器频域滤波的织物疵点检测算法的总体流程，如图2 所示。 i 标准图像和待检测图像 上 l 利用中值滤波对图像进 行去噪硬处理 对g 8 b o r 滤波器参数进行 优化 0 用具有优化参数的g a b o o 滤波器检测织物疵点 图2 疵点检测算法总体流程 1 2 北京服装学院硕士学位论文 从图2 可以看出，在织物疵点检测算法中，首先对标准织物图像( 无疵点) 和待检测织 物图像( 可能含有疵点) 进行中值滤波处理，以消除噪声；然后采用遗传算法对式( 3 1 6 ) 中 的g a b o r 滤波器参数进行获取；最后利用具有优化参数的g a b o r 滤波器对织物疵点进行检 测。在疵点检测算法的整个流程中，g a b o r 滤波器参数的优化是关键，将在3 1 4 节详细 介绍。 下面先从对织物图像的去噪预处理开始，对图2 所示的检测算法流程中的各个阶段依 次进行分析讨论。 3 1 3 图像预处理 在用g a b o r 滤波器对织物图像进行滤波处理之前，通常要对织物图像进行预处理。图 像预处理是图像处理前重要的基础工作，它不是以保真度为原则，而是设法抑制噪声，增 强图像，将原始织物图像转换成一种更适合计算机进行分析处理的形式。 图像中包含有各种各样的噪声，它是对有用信号进行干扰的信号，因此具有分布和大 小不规则性的特点。噪声的存在直接影响着后续的处理结果。目前，常用的图像噪声滤波 方法有低通滤波法、带通滤波法、均值滤波法、中值滤波法等。与其他滤波方法相比较1 1 ， 中值滤波具有运算简单，速度快，能够较好地消除图像传输过程中产生的随机噪声，以及 在滤除噪声的同时能较好地保护图像边缘等优点。因此，本文采用中值滤波来抑制图像噪 声，为后续的图像处理做好准备。 中值滤波的基本原理是：首先确定一个以某像素为中心点的邻域，然后将该邻域中的 各个像素的灰度值进行排序，取其中间值作为中心点像素灰度的新值。这里的邻域称为窗 口，当窗口在图像中上下左右进行移动后，利用中值滤波算法就可以很好地对图像进行平 滑处理。 二维中值滤波的3 3 滤波模板有如下形式： ，( x 一1 ，y i )j r ( 而y 1 )， + l ，j ，一1 ) o l ) ，( 工，y ) ，仁+ l ，y ) ，( 石一l ，y + 1 )( x ，y + 1 )厂( 膏+ l ，y + 1 ) 已知一幅织物疵点图像，如图3 ( a ) 所示，利用上述滤波模板对该图像进行中值滤波处 理，滤波后的图像如图3 ( b ) 所示。从图3 中可以看出，滤波后的图像比滤波前的图像更平 滑，达到了一定的去噪效果。 北京服装学院硕士学位论文 ( - ) 中值溏波前 ( b ) 中值谵波后 图3 中值滤波处理前后的对比图 3 1 4g a b o r 滤波器参数的选取方法 设计g a b o r 滤波器对给定韵织物图像进行处理，就需要恰当地选择g a b o r 函数中的三 个参数、口和盯，参数选择的好坏直接决定了疵点检测的效果“”。在实际检测中，通常 用一个g a b o r 滤波器组来获取图像的有用信息。g a b o r 滤波器组中的滤波器个数越多，获 得的有用信息就越多，检铡的效果就越好，但随着滤波器个数的增加，计算的复杂度也会 增大，这样图像处理的时间就会越长。为了提高算法的执行效率，用最少数量的滤波器对 疵点进行检测就显得尤为重要，同时由于图像中一些重要的细节可能会覆盖一个较宽的频 率带，所以仅使用一个具有确定的中心频率、尺度口和方向角护的g a b o r 滤波器不能有 效地实现织物疵点检测，需要用包括适当的滤波器个数的一组滤波器来获得疵点信息。 f d e z v a l d i v i a l “”从生物学的角度说明，只需要通过四个滤波器就足够了解给定图像空间 频率的变化，因此本文离散地选取四个滤波器对织物图像进行滤波。从文献“”中可以得知， 口的有效变换区间为 o ，3 6 0 。 ，由于图像的傅立叶变换在频域内具有对称性，所以口的取 值范围为 o ，1 8 0 。 ；同时由于大多数图像的能量主要集中在水平、垂直及对角线方向上， 所以本文选取方向角为0 。、4 5 。、9 0 。和1 3 5 。在这四个方向上各选择一个g a b o r 滤 波器，通过四个g a b o r 滤波器对织物图像进行滤波处理。对于每一个方向上的一个g a b o r 滤波器，利用遗传算法确定它的两个参数：中心频率和尺度仃，也即对它的这两个参数 进行优化。适应度函数的确定是遗传算法求解最优参数的关键，本文选取f i s h e rc o s t 评 估函数作为适应度函数，下面首先对该函数作一简要介绍。 3 1 4 1f i s h e rc o s t 评估函数 f i s h e rc o s t 函数基于f i s h e r 标准，该标准是一种有效的设计特征提取器的工具，被 广泛应用于模式识别领域，也用于解决纹理分割问题。在两种纹理分割中，f i s h e r 标准用 于衡量由平均方差规格化的两个均值的差额。疵点检测问题与分割问题类似，目的都是自 1 4 北京服装学院硕士学位论文 动区分出已知的非疵点纹理和未知的疵点纹理。下面给出适用于疵点检测问题的f i s h e r c o s t 函数的定义呻1 。 给定一幅大小为尸9 的标准织物图像t ，将该图像与g a b o r 滤波器的冲激响应函数g 9 卷积，进行图像滤波后，得到滤波结果图像f ”，表示如下： f 。7 = r g 。 ( 3 2 1 ) 其中。表示g a b o r 滤波器的一组参数( ，口，口) 。 包含一组g a b o r 滤波器参数的c o s t 函数定义如下： c ( 蚶h 多2 2 2 ) 其中均值。，和方差仃。，是根据大小为p g 的矩阵f 蚶= l 7 】来定义的。 尸2 南善善舻 。吃3 fp 立 p q 叩2 击蕃萎( ，一卵) 2 ( 3 。2 4 ) 对于一组给定的g a b o r 滤波器参数，变量呶7 能够衡量出该滤波器使标准织物图像的 平均能量达到最大化的程度；变量盯町表示所取得的区分效果。在遗传算法中应用c o s t 函数时，将c o s t 函数值的绝对值作为适应度值来判断个体的好坏。 3 1 ，4 2 遗传算法获取g a b o r 滤波器优化参数和盯 在确定了适应度函数的条件下，采用遗传算法( g a ，g e n e t i ca 1 9 0 r i t h m ) “”川对g a b o r 滤波器的参数进行优化。把滤波器参数、仃和口构造成基因，一个滤波器参数组( ，盯， 口) 作为一个染色体，3 1 4 1 节介绍的f i s h e rc o s t 函数作为适应度函数，经过选择，交 叉，变异及种群迁移，通过适应度函数选择出性能优越的子代，最终寻求到与标准织物纹 理匹配的四组g a b o r 滤波器参数( ，叮，口) 。下面探讨采用遗传算法实现g a b o r 滤波器 参数和口的优化的过程。 遗传算法是模仿自然界生物进化机制发展起来的随机全局搜索和优化方法。与传统算 法不同，遗传算法不依赖于梯度信息，而是通过模拟自然进化过程来搜索最优解，它利用 某种编码技术，作用于称为染色体的数字串，模拟由这些串组成的群体的进化过程，并通 过有组织的、随机的信息交换来重新组合那些适应性好的串，生成新的串的群体。遗传算 北京服装学院硬士学位论文 法具有较好的全局搜索性能，在搜索过程中不容易陷入局部最优，而且具有固有的并行性 和并行计算的能力。因此，本文选用遗传算法求解二维g a b o r 滤波器的最优参数。 由于遗传算法借用了生物遗传学和自然选择机理，因此该算法中经常用到一些自然进 化中的基本用语。生物的遗传物质的主要载体是染色体( c h r o m o s o m e ) ，复数个基因( g e n e ) 组成染色体。染色体中基因的位置叫做基因座，基因所取的值叫做等位基因。在遗传算法 中，染色体对应的是数据或数组，通常是由一维的串结构数据表现的，串中各位置上所取 的值对应上述的等位基因。遗传算法处理的是染色体，或者叫基因型个体，一定数量的个 体( i n d i v i d u a l ) 组成了群体( p 0 p u l a t i o n ) ，而个体对环境的适应程度叫适应度( f i t n e s s ) 。 本文利用遗传算法求解二维g a b o r 滤波器的最优参数和口，采取以下措施： ( 1 ) 群体规模：群体规模影响到遗传算法的最终性能和效率，若规模太小会过早收敛 到局部最优解：若规模太大，则每一代适应度值的计算量大，收敛速度很慢，本文根据9 ( 口 o o ，4 5 0 ，9 0 0 ，1 3 5 0 ) 的每一个取值，选取2 0 组g a b o r 滤波器参数( ，仃，口) 创建遗 传算法所需的实数初始种群。 ( 2 ) 适应度函数；利用g a 求解最优参数的关键是适应度函数的确定，它的好坏直接影 响到是否能够尽快达到最优解。本文适应度函数选取3 1 4 1 节介绍的f i s h e rc o s t 函数。 利用m a t l a b 遗传工具箱提供的r a n k i n g 函数按照个体的c o s t 函数值的绝对值由大到小的 顺序对他们进行排序，并返回一个包含对应个体适应度值的列向量。 ( 3 ) 选择：根据适应度的高低排列选择个体，适应度较高的个体遗传到下一代的概率 就较大：而适应度较低的个体遗传到下一代的概率就相对小一些。本文采用m a t l a b 遗传 工具箱提供的s e l e c t 高级选择函数作为选择算子，代沟设为o ，9 。即选取9 0 9 6 的个体遗传 到下一代。 ( 4 ) 交叉率：交叉率控制交叉算子的应用频率。交叉率越高，群体中个体的更新就越 快。但是若交叉率太高，遗传算法就变成了随机搜索，失去了遗传算法的优越性。交叉率 越低，群体的进化越慢，很难收敛到最优解。本文选择交叉率为1 。 ( 5 ) 变异率：变异能够增加群体的多样性，避免早熟现象。但是变异率选择得太大， 会破坏已有的优秀个体，通常在0 0 0 1 加1 之间做选择。本文选择变异率为o 0 5 。 ( 6 ) 新群体：用经过上面各个操作得到的子代计算子代目标函数值，按照适应度值代 替父代中适应性差的个体。这样就产生了新的群体，并替换为当前群体。 兵体的求解过程如图4 所示。 1 6 北京服装学院硕士学位论文 ( 翌竺 ) j l 一 初始化种群( 群体规模 为2 0 ，十进制编码) = 二 i 读取标准织物图像l i 并转换到频率域l 用具有待优化参数的 g a b o r 对标准图像进行频 域滤波。并转换回空间域 根据滤波结果求出 c o s t 函数值 分配适应度 选择操作( 代沟为0 9 ) 交叉操作( 交叉率为1 ) 变异操作( 变异率为0 0 5 ) 产生新群体并替代当 前群体 k 堡! 多 b 图4 遗传算法求解g a b o r 滤波器参数的过程 在m a t l a b 中对上述参数优化过程进行编程实现，经遗传算法的1 2 0 0 次叠代运算，求 出适应度最优的群体。在最优群体中按照c o s t 函数值的绝对值越大，织物疵点的检测效 果越明显的原则，选取适应度值最大的个体，得到一组优化的g a b o r 滤波器参数。通过改 变口的值，最后得到所需的四组g a b o r 滤波器优化参数值( ，盯，曰) 。利用分别具有这 四组优化参数的g a b o r 滤波器组在频率域中对疵点进行检测，检测算法的实现过程将在下 一节中进行介绍。 1 7 北京服装学院硕士学位论文 3 1 5 基于g a b o r 滤波器的疵点检测算法实现 采用g a b o r 滤波器对织物图像进行处理，不同方向、不同中心频率的g a b o r 滤波器处 理图像的结果不同，将各个方向上、具有不同中心频率的