CN119444670A 一种融合多尺度特征的纺织品质量检测方法 （科大讯飞华南人工智能研究院（广州）有限公司）

一种融合多尺度特征的纺织品质量检测方法本申请提供一种融合多尺度特征的纺织品判断纺织品是否存在扭转区域异常或亮度动态2对纺织品图像进行多尺度分解，获取不同尺度下的图像特征，提针对多尺度特征表示，通过计算特征向量的不变矩，获取在构建灰度共生矩阵，从纺织品图像中提取反映亮度分布计算多尺度扭转特征向量中扭转频率、扭转密度与亮基于多尺度扭转特征向量和亮度特征向量的相关程度，选取多根据综合特征向量，采用支持向量机分类器对纺织品图像进行分类综合缺陷区域的扭转特征和亮度特征，计算缺陷区域的采用离散小波变换对纺织品图像进行多尺度分解，得到所述纺织品图根据所述近似系数和细节系数计算每个尺度子图像的灰度共采用特征级联方法将所述纹理特征和形状特征组合，形成包含多若所述高维特征向量的维度高于预设要求，则使用主成分基于所述多尺度特征表示，构建支持向量机回归模型，所3若所述多阶矩特征满足旋转不变性要求，则与所述初步特征描述对所述多尺度扭转特征向量进行最小－最大归一化处理，得到若所有距离值小于预设阈值，则判定所述标准化的多尺度扭获取纺织品彩色图像，采用加权平均法将所述彩色图像的红绿根据所述纺织品图像矩阵，构建灰度共生矩阵，所述灰采用最大最小值归一化方法将三个统计量映射到0－1区间内，获取多尺度扭转特征向量，从所述多尺度扭转特征向量中提取其中，所述扭转频率数据通过计算扭转周期的倒数得若所述相关系数矩阵中任一非对角线元素的绝对值大于所述预4根据相关系数矩阵，对相关系数高的特征赋予对应的权重，得到加权采用主成分分析方法对所述加权后的多尺度扭转特征中的扭转区域取累积贡献率达到预设阈值的主成分作为主要特征分量，获得降维后的扭转区域特征向针对所述亮度特征中的亮度动态范围特征，应用小波变换提计算所述降维后的扭转区域特征向量和亮度动态范围特征对所述初步综合特征向量中的每个分量进行数据分布分析，若分量获取包含正常样本和已知缺陷样本的训练数据集，针对所述根据所述综合特征向量，采用径向基核函数的支持向量机分类器对纺待检测纺织品图像的综合特征向量通过所述分类超平面进行分类如果所述分类结果为缺陷类别且所述置信度得分大于预设阈值，则判定存在质量缺针对判定存在质量缺陷的纺织品图像，采用多尺度滑动窗口对分类为缺陷的局部区域进行聚类，获取聚类中心的特征向量，对5根据所述方向响应，选取响应最强的方向作为扭转角度，通过计将提取的扭转特征与扭转角度正常范围比较，计算超出程度作为扭转异常的定量描将所提取的亮度特征与所述亮度正常范围比较，计算偏离程度作为其中，所述计算缺陷区域的综合质量评分包括根据缺陷采用Sigmoid函数将扭转特征值和亮度特征值映射到预对缺陷区域聚类结果中的每个聚类计算平均综合质量评分，得到不设置所述模糊集的模糊规则；采用Mamdani推理法对所述模糊规则进行6[0001]本发明涉及信息技术领域，尤其涉及一种融合多尺度特征的纺织品质量检测方些要求往往是相互矛盾的。提高特征的扭转不变性可能会降低其对细微纹理变化的敏感7波基函数将原始图像分解为3个尺度的近似系数和细节系数，从而获取纺织品在不同尺度8取各旋转角度下的特征向量。然后计算原始特征向量与各旋转角度特征向量的欧氏距离。若所有距离值小于预设阈值0.01，则判定所提取的特征满足旋转不变性要求。对于512×9素，统计其在四个方向上相邻像素的灰度值对出现频率，得到四个256x256的灰度共生矩转特征向量中的扭转区域特征和亮度特征向量中的亮度动态范围特征中主要特征分量后断纺织品是否存在扭转区域异常或亮度动态范核参数γ,训练分类模型得到分类超平面。利用训练好的支持向量机分类器对待检测纺织计算缺陷区域的综合质量评分包括根据缺陷类型调整所述扭转特征和所述亮度