论文部分内容阅读
作为一种简单有效的纹理描述方法,近年来,局部二值模式(Local Binary Patterns,LBP)得到研究者广泛和深入的研究,并在多个领域得到广泛应用。本文针对布匹瑕疵检测,对LBP展开研究,重点研究LBP及其扩展算子在布匹瑕疵检测中存在的问题,并针对不同问题给出了相应的解决方案。论文主要研究内容如下:(1)在介绍布匹瑕疵检测技术发展的基础上,从纹理分类、人脸识别、图像检索和图像检测四个方面对LBP及其扩展算子进行总结,并详细介绍了利用LBP算子进行布匹瑕疵检测的过程。(2)针对基本LBP算子由于维数过高、易受噪声影响而出现的检测率低等问题,提出了基于算术均值滤波的CS-LBPV(Center-Symmetric Local Binary Patterns Variance)算子。与基本LBP算子相比,该算子通过算术均值滤波有效去除噪声对特征提取的干扰;通过引入局部对比度明显区分瑕疵区域与正常纹理区域,提高了该算子对瑕疵的检测能力。(3)针对LBP算子和LBPV(LBP Variance,LBPV)算子对线状瑕疵和灰度级变化较小的区域检测效果不理想的问题,以及上述两种算子对噪声的敏感问题,提出基于多尺度分块局部二值模式方差(Multi-scale block local binary patterns variance,MBLBPV)的检测算法。该算法采用适当尺度大小的子区域灰度均值代替单像素灰度值,以降低噪声影响;通过引入局部方差作为编码值的权重,突出描述瑕疵纹理与正常纹理的差异;最后基于该特征实现瑕疵的检测。(4)提出基于增强局部梯度模式(Enhanced Local Gradient Patterns,ELGP)和形态学相结合的布匹瑕疵检测算法。首先将全局梯度均值与局部梯度均值的差值的绝对值作为阈值编码提取图像特征,然后利用形态学运算消除噪声、填补瑕疵孔洞,以突出瑕疵区域,提高瑕疵检测率。