论文部分内容阅读
织物疵点的产生直接影响织物质量、外观和性能,并导致生产企业的利润受损,因此疵点检测是纺织企业产品质量控制中的重要一环。目前绝大多数国内纺织企业采用人工验布方式,受制于人类视觉和大脑的生理限制,具有检测速度慢、漏检率低、主观性强、无法生成可用数据和增加企业用工成本等缺点,已经无法满足现代纺织生产的要求。使用基于机器视觉与图像分析技术的自动验布机替代人工织物疵点检测是纺织行业自动化与信息化发展的必然趋势。然而国内外关于自动验布机的研发已进行三十多年仍未普及应用,根本原因是疵点检测算法对种类繁多形式各异的织物疵点缺乏自适应性。本课题的研究目的是提出一种高自适应性的机器视觉织物疵点检测算法。通过分析现有织物疵点检测算法的不足,引入了二维经验模态分解(bidimensional empirical mode decomposition,二维EMD)作为算法核心。二维EMD不使用任何基函数或滤波器,直接根据数据自身特征,生成表征信号内各振动模式的函数分量(内蕴模式函数,intrinsic mode function,IMF)。对二维EMD进行针对织物疵点检测需求的改进与优化后,将织物图像分解为包含纹理信息的IMF1与包含大尺度灰度变化的IMF2与IMF3。针对各IMF信号,分别设计了不同的信号处理与分割方法,形成包括灰度检测通道与纹理检测通道的疵点检测算法,实现了多种类织物疵点分割。实验结果表明该检测算法具有良好的自适应性和鲁棒性。本课题的主要研究内容和结论如下:(1)研究了人眼识别灰度变化和纹理变化两类疵点的方式,以及二维EMD对织物图像的自适应性分解能力,提供了基于二维EMD的织物疵点检测算法理论依据。人眼识别灰度变化类疵点时忽略织物信息重点感知织物表面的颜色突变;识别纹理变化类疵点时则注重感知纹理模式的变化。尽管这两种识别方式通常是同时进行的,但并不能一概而论。现有疵点检测算法中常用的图像分解工具,如小波分解等,无法根据织物图像特征将其分解为纹理信号与大尺度灰度变化信号。因此,本课题在分析了二维EMD原理与其在织物图像分解中表现出的自适应性后,采用了二维EMD作为织物疵点检测算法的核心工具。(2)研究了二维EMD中各环节对分解结果的影响与现有研究中存在的问题,提出了针对织物疵点检测需求的改进方法,实现了良好的织物疵点图像自适应分解。首先,将二维EMD中的关键环节归纳为极值点判断、边界处理、插值方法选择和停止准则设计四项。对于极值点判断,定义了区域性极值点以包含二维信号中的多种极值点表现形式,并引入数学形态学测地膨胀算子进行区域性极值点寻找;对于边界处理,提出了对极值点集以图像边界为轴的镜像延拓处理方法,有效抑制了筛分过程中的边界效应;对于插值方法,在比较了多种径向基函数(RBF)插值与德劳内三角化(DT)插值方法后,提出了先DT–三次样条插值再下采样最后RBF–薄板样条插值的组合插值方法,实现了计算速度与插值结果光滑性的兼顾;对于停止准则的设计,在分析停止准则影响和观察织物图像实际分解表现后,制定了SDmax=0.2为织物图像二维EMD停止准则。实验结果表明,通过对二维EMD各环节进行改进和优化,实现了良好的计算效率与织物图像分解效果。(3)以改进二维EMD对织物图像的自适应性分解为基础,设计了包含灰度检测通道和纹理检测通道的织物疵点检测算法。灰度检测通道中,将IMF2与IMF3融合,生成包含灰度变化信息的IMF2+3信号作为疵点分割对象。纹理检测通道中,使用全向Hilbert变换与Laws纹理能量测量工具提取IMF1的纹理特征作为疵点分割对象。疵点分割方法为首先通过单双高斯拟合对输入信号进行双峰模式识别,分为小面积疵点(包括无疵)与大面积疵点,二者经过四阶偏微分方程混合降噪后,分别使用置信区间双阈值和OTSU阈值方法进行分割。合并灰度检测通道和纹理检测通道的分割结果,可得到疵点分割最终结果。离线实验表明该疵点检测算法检出率为92.69%,且大多数疵点是灰度变化与纹理变化两种形式的组合,在单个检测通道分割的疵点区域通常不完整,合并后可得到较完整的疵点区域。(4)为提高纹理变化类疵点的检测效果,引入单演小波分析替代全向Hilbert变换和Laws纹理能量测量作为新的纹理特征提取工具。在织物图像IMF1信号上的单演小波分析实验表明,单演小波分析具有良好的各向同性性质和对振动方向的响应能力,疵点区域的微弱纹理变化能够在方向和振幅信号的某一分辨率上得到良好响应。对多分辨率方向和振幅信号,设计了不同的最优响应判断标准。方向信号经π相移处理后,统计各分辨率子带的内部均方差σ,选取σ最小且满足σ<0.1的信号为最优响应。定义振幅信号各子带OTSU分割后前景背景间的均值差(最大类间均值差,MICMD)为判断标准,具有最大MICMD的振幅信号为最优响应。最优响应信号经分割后输出疵点检测结果。离线实验结果表明,使用单演小波分析替代原纹理分析工具后,总体检出率提高至98.83%,纹理变化类疵点检测效果得到显著改善。