楊 亞，薛云燦，沙 偉，吉 玲

（河海大學(xué)物聯(lián)網(wǎng)工程學(xué)院，常州213022）

基于正交小波分解的織物疵點(diǎn)檢測(cè)

楊 亞，薛云燦，沙 偉，吉 玲

（河海大學(xué)物聯(lián)網(wǎng)工程學(xué)院，常州213022）

為了克服傳統(tǒng)人工目測(cè)勞動(dòng)強(qiáng)度大、誤檢率高、漏檢率高以及現(xiàn)有疵點(diǎn)檢測(cè)方法檢測(cè)精度低的問題，提出一種基于正交小波分解的織物疵點(diǎn)檢測(cè)方法，以提取的特征值相對(duì)誤差大小代替歸一化相對(duì)特征值作為判斷疵點(diǎn)是否存在的標(biāo)準(zhǔn)。實(shí)驗(yàn)結(jié)果表明，此種方法比傳統(tǒng)方法檢測(cè)精度高。

正交小波分解；疵點(diǎn)檢測(cè)；相對(duì)誤差

1 引 言

長(zhǎng)期以來，布匹的質(zhì)量檢測(cè)通常是由檢驗(yàn)人員進(jìn)行人工目測(cè)，這種方法極易造成視覺疲勞、勞動(dòng)強(qiáng)度大，而且存在檢測(cè)效率低、漏檢率和誤檢率高等弊端［1-4］，因此，疵點(diǎn)自動(dòng)檢測(cè)技術(shù)研究廣受關(guān)注。

在利用計(jì)算機(jī)圖像處理技術(shù)檢測(cè)織物疵點(diǎn)的過程中，特征值的提取尤為重要。特征提取算法主要分成空間域和頻域兩大類，空間域方法能夠檢測(cè)的疵點(diǎn)種類少，實(shí)用價(jià)值不高。頻域方法檢測(cè)精度高，尤其是小波變換適合分析非平穩(wěn)信號(hào)，可以對(duì)圖像進(jìn)行多尺度分析，提取水平方向和豎直方向的特征信息，是比較理想的疵點(diǎn)檢測(cè)工具［5-8］。

2 織物圖像的二維正交小波變換

圖像由像素點(diǎn)組成，從數(shù)學(xué)角度來看，圖像可以看作是二維離散信號(hào)，對(duì)圖像進(jìn)行二維小波變換可以看做選用有低通性質(zhì)的小波基h（k）和有高通性質(zhì)的小波基g（k）分別對(duì)二維信號(hào)行方向和列方向兩個(gè)一維函數(shù)的卷積。圖像經(jīng)過二維離散小波一次分解，產(chǎn)生四個(gè)子圖像，即經(jīng)過行低通列低通方向?yàn)V波的反映圖像概貌信息的低頻子圖像、經(jīng)過行低通列高通方向?yàn)V波的反映水平方向紋理信息的緯向子圖像、經(jīng)過行高通列低通方向?yàn)V波的反映垂直方向紋理信息的經(jīng)向子圖像、經(jīng)過行高通列高通的反映對(duì)角線方向紋理信息的對(duì)角線子圖像。

正交小波變換要求選取的小波基h（k）和g（k）滿足正交性。Daubechies小波具有緊支撐的正交性和正則性，可以實(shí)現(xiàn)快速算法，因此檢測(cè)過程中選用dbN小波系列。

3 特征參數(shù)提取

3.1 紋理特征值選取

織物紋理具有周期性、方向性、連續(xù)性等特征，檢測(cè)過程中對(duì)圖像提取的紋理特征值為熵和方差。

（1）熵

紋理熵表示紋理的粗糙度或紋理的非均勻程度，其定義如下：

其中Eh和Ev分別表示緯向和經(jīng)向紋理熵值，而

其中Hij為像素點(diǎn)（i，j）的灰度值，M和N分別代表分塊圖像的高和寬。

（2）方差

織物紋理圖像灰度值的方差反映了灰度分布的離散情況，其定義如下：

其中Hij為像素點(diǎn)（i，j）的灰度值，M和N分別代表分塊圖像的高和寬。

3.2 窗口分割

為了實(shí)現(xiàn)對(duì)疵點(diǎn)的精確定位，對(duì)小波分解后的經(jīng)向子圖像和緯向子圖像進(jìn)行分割，并計(jì)算每個(gè)分塊的特征值，根據(jù)特征參數(shù)相對(duì)誤差的波動(dòng)范圍判斷特征值的異常，以此確定各個(gè)分塊內(nèi)是否存在疵點(diǎn)。如圖1以640*640像素為例對(duì)經(jīng)緯子圖像進(jìn)行分割。

圖1 經(jīng)緯子圖像分割方法

4 疵點(diǎn)判別標(biāo)準(zhǔn)

由于熵和方差的計(jì)算絕對(duì)值級(jí)數(shù)較大且不是同一個(gè)數(shù)量級(jí)，波動(dòng)范圍也不相同，這樣將待測(cè)織物的特征值與無疵點(diǎn)織物的特征值比較起來計(jì)算相對(duì)繁瑣。

傳統(tǒng)方法對(duì)特征值進(jìn)行歸一化處理，這樣能夠使特征值的波動(dòng)范圍被映射到一定空間，在比較無疵點(diǎn)圖像與待測(cè)織物圖像時(shí)有統(tǒng)一度量。對(duì)絕對(duì)特征值的歸一化值X可表示為：

但是這種方法僅在判斷疵點(diǎn)面積較大的圖像時(shí)，效果較好，對(duì)于疵點(diǎn)面積較小的圖像，其歸一化相對(duì)特征值變化較小，傳統(tǒng)方法不能進(jìn)行準(zhǔn)確判斷。

為了提高織物疵點(diǎn)檢測(cè)方法的精度，使算法同時(shí)適合疵點(diǎn)面積較大和疵點(diǎn)面積較小的圖像，提出以標(biāo)準(zhǔn)圖像與待測(cè)圖像特征值的相對(duì)誤差作為疵點(diǎn)是否存在的度量標(biāo)準(zhǔn)。相對(duì)誤差能夠準(zhǔn)確反映待測(cè)圖像特征值與清晰無疵點(diǎn)特征值之間的偏離程度，這種方法除了能將特征值的波動(dòng)范圍映射到一定空間，而且對(duì)圖像紋理信息的變化較為敏感外，對(duì)于疵點(diǎn)面積小的織物圖像也能進(jìn)行準(zhǔn)確判斷。

為了縮小特征值的波動(dòng)范圍，對(duì)特征值的相對(duì)誤差取絕對(duì)值，可表示為：

其中y為標(biāo)準(zhǔn)圖像分塊特征值，y1為待測(cè)圖像分塊特征值。

5 算法流程與仿真結(jié)果分析

工業(yè)紡織生產(chǎn)過程中最為常見的疵點(diǎn)有緯向、經(jīng)向和區(qū)域類疵點(diǎn)。由緯紗形成或沿緯紗方向呈現(xiàn)的疵點(diǎn)叫緯向疵點(diǎn)，如斷緯、缺緯等，如圖2（b）所示。由經(jīng)紗形成或沿經(jīng)紗方向呈現(xiàn)的疵點(diǎn)叫經(jīng)向疵點(diǎn)，如斷經(jīng)、缺經(jīng)等如圖2（c）所示。布面上所占部位較小或僅在一處易于計(jì)算尺寸數(shù)量的疵點(diǎn)叫區(qū)域類疵點(diǎn)，如破洞、油污等如圖2（d）、圖2（e）所示。

5.1 仿真實(shí)驗(yàn)流程

基于正交小波分解的織物疵點(diǎn)檢測(cè)流程如圖3所示。

5.2 仿真結(jié)果分析

選取斷緯、缺經(jīng)、油污、破洞四類常見疵點(diǎn)進(jìn)行實(shí)驗(yàn)，以圖2中存在疵點(diǎn)的4幅織物圖像為例繪制特征值曲線。

采用傳統(tǒng)的以特征值的相對(duì)指標(biāo)作為判別疵點(diǎn)是否存在的標(biāo)準(zhǔn)。繪制相對(duì)特征值曲線如圖5所示，其中橫坐標(biāo)代表經(jīng)緯子圖像窗口分割的分塊，縱坐標(biāo)為對(duì)應(yīng)分塊的相對(duì)特征值。

圖2 原始織物圖像

圖3 基于正交小波分解的織物疵點(diǎn)檢測(cè)流程圖

圖4 疵點(diǎn)圖像歸一化相對(duì)特征值曲線

圖4（a）為含有緯向疵點(diǎn)的圖像，緯向熵和方差相對(duì)特征曲線在疵點(diǎn)處有明顯峰值，經(jīng)向熵和方差相對(duì)特征曲線變化平緩；圖4（b）為含有經(jīng)向疵點(diǎn)的圖像，緯向熵和方差特征相對(duì)曲線波動(dòng)平緩，經(jīng)向熵在疵點(diǎn)處出現(xiàn)峰值，方差特征相對(duì)曲線變化平緩；圖4（c）為含有油污疵點(diǎn)的圖像，緯向熵相對(duì)特征曲線在疵點(diǎn)處出現(xiàn)峰值，但是不明顯，緯向方差、經(jīng)向熵、經(jīng)向方差相對(duì)特征曲線均出現(xiàn)明顯波動(dòng)。圖4（d）為含有破洞疵點(diǎn)的圖像，緯向熵、緯向方差、經(jīng)向熵、經(jīng)向方差相對(duì)特征曲線均出現(xiàn)明顯波動(dòng)。

采用特征值的相對(duì)誤差作為判別疵點(diǎn)是否存在的標(biāo)準(zhǔn)，繪制特征值的相對(duì)誤差曲線如圖5所示。其中橫坐標(biāo)代表經(jīng)緯子圖像窗口分割的分塊，縱坐標(biāo)為對(duì)應(yīng)分塊的特征值相對(duì)誤差。

圖5 疵點(diǎn)圖像特征值相對(duì)誤差曲線

圖5（a）為含有緯向疵點(diǎn)的圖像，其緯向熵、方差的相對(duì)誤差特征曲線，在疵點(diǎn)處出現(xiàn)明顯峰值，經(jīng)向熵相對(duì)誤差曲線變化平緩，經(jīng)向方差相對(duì)誤差在疵點(diǎn)處出現(xiàn)明顯峰值；圖5（b）為含有經(jīng)向疵點(diǎn)的圖像，其緯向熵相對(duì)誤差曲線變化平緩，緯向方差相對(duì)誤差曲線在疵點(diǎn)處出現(xiàn)明顯的峰值，經(jīng)向熵、方差相對(duì)誤差曲線在疵點(diǎn)處出現(xiàn)明顯峰值；圖5（c）為含有油污疵點(diǎn)的圖像，其緯向熵、方差，經(jīng)向熵、方差的相對(duì)誤差特征曲線，在疵點(diǎn)處均出現(xiàn)明顯的峰值；圖5（d）為含有破洞疵點(diǎn)的圖像，其緯向熵、方差，經(jīng)向熵、方差的相對(duì)誤差特征曲線，在疵點(diǎn)處均出現(xiàn)明顯峰值。

通過圖4和圖5的對(duì)比發(fā)現(xiàn)：對(duì)于圖4（a）、圖5（a）繪制的緯向疵點(diǎn)的特征曲線，其緯向熵和緯向方差均能反映出疵點(diǎn)信息，由于經(jīng)向分塊中含有的疵點(diǎn)信息較少，故圖4（a）繪制的緯向疵點(diǎn)的經(jīng)向熵和經(jīng)向方差曲線均不能在疵點(diǎn)處顯示明顯峰值。圖5（a）繪制的經(jīng)向熵曲線疵點(diǎn)處波動(dòng)不明顯，經(jīng)向方差曲線在疵點(diǎn)處有明顯峰值；在圖4（b）-（d）繪制的經(jīng)向疵點(diǎn)、油污和破洞的歸一化特征曲線中，由于疵點(diǎn)面積較小，各分塊包含的疵點(diǎn)信息較少，各特征曲線均不能在疵點(diǎn)處有明顯波動(dòng)。在圖5（b）-（d）繪制的對(duì)應(yīng)疵點(diǎn)圖像的相對(duì)誤差曲線均能在疵點(diǎn)處有明顯峰值，而且方差的相對(duì)誤差特征曲線比熵的相對(duì)誤差特征曲線波動(dòng)幅度更大。故相對(duì)誤差比歸一化相對(duì)特征值對(duì)織物紋理產(chǎn)生的疵點(diǎn)信息更敏感，尤其是在疵點(diǎn)信息較少的圖像中，歸一化的相對(duì)特征值不能體現(xiàn)織物紋理的突變信息并判斷疵點(diǎn)存在的情況，相對(duì)誤差則能根據(jù)波動(dòng)范圍對(duì)疵點(diǎn)是否存在進(jìn)行準(zhǔn)確判斷。

6 結(jié)束語

提出一種基于正交小波分解的織物疵點(diǎn)檢測(cè)方法對(duì)織物圖像進(jìn)行一層小波分解，分解后的子圖像只分別經(jīng)過經(jīng)向和緯向的兩次間隔采樣，能夠保留大部分疵點(diǎn)信息，計(jì)算量較小，檢測(cè)速度較快，能夠滿足布匹實(shí)時(shí)檢測(cè)的需求。而且提出的以標(biāo)準(zhǔn)圖像與待測(cè)圖像特征值的相對(duì)誤差代替歸一化相對(duì)特征值作為疵點(diǎn)是否存在的度量標(biāo)準(zhǔn)，能夠達(dá)到更好的檢測(cè)效果。

［1］ Sari-Sarraf H，Goddard Jr J S.Vision system for onloom fabric inspection［J］.Industry Applications，IEEE Transactions on，1999，35（6）：1252-1259.

［2］ Kumar A，Pang G K H.Defect detection in textured materials using Gabor filters［J］.Industry Applications，IEEE Transactions on，2002，38（2）：425-440.

［3］ 畢明德，孫志剛，李葉松，等.基于機(jī)器視覺的布匹疵點(diǎn)檢測(cè)系統(tǒng)［J］.儀表技術(shù)與傳感器，2012（12）：37-39.

［4］ 周帥，張鳳生，李富才，等.基于小波變換的織物疵點(diǎn)圖像特征提?。跩］.青島大學(xué)學(xué)報(bào)（工程技術(shù)版），2013（2）：53-59.

［5］ 甘亞輝，戴先中，李新德，等.小波邊緣檢測(cè)在焊縫圖像處理中的應(yīng)用［J］.華中科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2008（S1）：65-67.

［6］ 祝雙武，郝重陽.基于離散小波變換的織物疵點(diǎn)檢測(cè)方法［J］.計(jì)算機(jī)工程與應(yīng)用，2007，43（25）：111-113.

［7］ 李立輕，黃秀寶.基于織物自適應(yīng)正交小波的疵點(diǎn)檢測(cè)［J］.東華大學(xué)學(xué)報(bào)（自然科學(xué)版），2001，27（4）：82-87.

［8］ 卿湘運(yùn)，段紅，魏俊民，等.一種新的基于小波分析與神經(jīng)網(wǎng)絡(luò)的織物疵點(diǎn)檢測(cè)與識(shí)別方法［J］.儀器儀表學(xué)報(bào)，2005，26（6）：618-622

Fabric Defect Detection Based on OrthonormalWavelet Decom position

Yang Ya，Xue Yuncan，Sha Wei，Ji Ling
（College of Internet of Things Engineering，Hohai University，Changzhou 213022，China）

In order to overcome such problems as heavy labor intensity，high false detecting rate，high misdetection rate of and low detection precision，caused by the traditional manual visual test，a method of the fabric defect detection，based on orthonormalwavelet decomposition，using the relative error of the extracted characteristic value as the standard for judging the defect instead of the relative characteristic value normalization，is described in this paper.The experimental results proves that themethod has a higher detection precision than the traditional one.

OrthonormalWavelet Decomposition；Fabric Defect Detection；Relative Error

10.3969/j.issn.1002-2279.2015.03.014

TP391

A

1002-2279（2015）03-0046-04

楊亞（1990-），女，河南信陽人，碩士研究生，主研方向：智能信息處理理論與技術(shù)。

2014-06-09