基于小波分析和边缘检测的布匹瑕疵检测方法

收稿日期:基金项目:大学生创新训练计划项目作者简介:殷国亮（1989-），男，本科.郑欣（1990-），男，本科.张瑞（1989-），男，本科.童云霞（1989-），女，本科.林潼川（1990-），男，本科.杜斌(1987-),男，硕士研究生.*通讯作者:白瑞林(1955-)，男，教授，博导，E-mail:[e-mail]文章编号:基于小波分析和边缘检测的布匹瑕疵检测方法殷国亮，郑欣，张瑞，童云霞，林潼川，杜斌，白瑞林*（江南大学物联网工程学院无锡214122）摘要：为了满足布匹瑕疵检测的准确性和实时性要求，在对国内外织物疵点自动检测系统和理论研究成果的学习与研究的基础上，提出了一种基于图像边缘检测和小波分析的检测方法。该方法首先根据瑕疵边缘变化的差异，通过边缘检测中的Canny算子检测出油污；然后使用bior5.5对非油污图像分别在水平、垂直方向进行三重分解，提取水平和垂直方向高频图像的特征值：能量、方差和极差，得到图像纹理频谱相应特征值的分布情况；对特征值归一化并设置相应的阈值，即可得到的不同的特征向量，从而实现对断经、断纬和破洞的实时检测。实验证明，该种方法检测速度快，准确率高，能够满足检测要求。关键词：瑕疵检测；边缘检测；小波分析；特征值中图分类号:TP391.4文献标识码:AFabricdefectdetectionbasedonWaveletanalysisandEdgedetectionYINGuo-liang,ZHENGXin,ZHANGRui,TONGYun-xia,LINTong-chuan，DUBing，BAIRui-lin(JiangnanUnversity.Wuxi,214122,China.BAIRui-lin,[e-mail])Abstract:Tomeettheaccuracyandreal-timerequirementsofthefabricdefectdetection,thearticleproposedamethodbasedonedgedetectionandwaveletanalysisthroughthestudyandresearchofthedevelopmentoftheautomaticdetectingtechnology．Intermsofthedifferencesofthechangesindefects’marginal,greasinesscanbedetectedbyCannyoperator;Hereafter,respectivelydecomposetheimageinthehorizontalandverticaldirectioninthescaleof3withbior5.5toextracthorizontalandverticalhigh-frequencyimages’characteristicvalue:energy,varianceandrangeandgetthedistributionofrelatedfeaturesvalueontheimagetexturespectrum.Finally,normalizetheimageandsetupcorrespondingthresholdsoastogetasetofcharacteristicvectorthroughwhichendout，threadoutandtorncanbedefected.Experimentsshowedthatthemethodisspeedy，accurateandcanmeetthedetectionrequirements.Keyword:fabricdefectdetection;edgedetection;waveletanalysis;characteristicvalue0引言传统布匹瑕疵检测是以人眼观察为主，劳动强度大，同时受主观因素影响，漏检率较高，速度慢，效率低下，很难适应现代布匹的高速化生产方式。因此，布匹瑕疵的自动检测逐渐替代了传统的人工检测方法，而基于机器视觉的自动布匹检测系统的研究也成为近年来纺织工业自动化领域研究的热门，备受关注。目前，布匹瑕疵检测系统主要有光电式和高速图像采集两类。由于第1种方式在高速识别疵点时很难对其进行准确分类，因此现在大部分的研究是针对第2种方式，它具有高速、准确的特点，其验布速度可达100m/min以上，是自动验布系统发展的主要方向[1]。近几年，国外在布匹瑕疵自动检测系统的理论方面都进行了大量的研究，取得了一定的成果，其中也有一些成果进入市场，比如瑞士ZellwegerUster公司推出的用神经网络识别技术开发的Fabriscan检布系统。在国内，因为基于机器视觉的复杂性，研究暂处于理论阶段，未形成产品，纺织企业对瑕疵自动检测的了解也有限，未能得到普及。本文提出了一种运用小波分析和边缘检测相结合的方法对布匹瑕疵进行检测，取得了很好的检测效果。1布匹纹理特征及其分析方法布匹的纹理是其重要特征，因此，目前布匹瑕疵检测的主要方法之一就是利用机器视觉对布匹进行纹理采集并分析。常用的纹理表达和描述方法主要有4种：统计法、结构法、频谱法和时域变换法。统计法是一种借助灰度直方图的矩阵来描述纹理，利用求取到的统计特征量(如标准差)找到疵点的检测方法。这种方法简单易行，但对图像质量的要求较高，易受噪声的影响。时频域变换法，是将图像信息分解到各子域，再分析抑制图像纹理的信息频段，从而增强疵点信息频段，完成检测，如小波变换、Gabor变换等。为了满足瑕疵检测系统实际运用中的实时性和准确性的要求，本文采用了将统计法与时频域变换结合的方法，提出了一种准确率更高，速度较快的布匹瑕疵检测方法。为了提高检测准确率,采用直方图规定化和中值滤波对图像进行增强、消噪并采用了方差、极差、能量这三种特征值对图像进行分析与比较。利用边缘检测先检测出油污图像再对非油污图像进行处理也加快了算法速度。2检测原理和实验过程2.1图像预处理在特征值提取之前，必须对图像进行预处理。在实验中使用的是CCD工业摄像头对有瑕疵的布匹进行拍摄，得到大小为256×256的RGB图像后将真其转换成灰度图像。随后应用直方图规定化和中值滤波器对图像降噪、增强。2.1.1直方图规定化在之前的许多研究成果中，将直方图均衡化作为图像增强的主要方法。但是布匹图像一般比较灰暗，它的灰度直方图全都集中在低灰度区，低灰度频率很高，把这幅图片均衡化后，相对较低灰度的像素会被均衡到高灰度区，图像会产生高亮和失真。所以本文放弃直方图规则化而选用直方图规定化就是为了避免出现这种现象。直方图规定化是使原图像灰度直方图变成规定形状的直方图而对图像做修正的增强方法。它是对直方图均衡化处理的一种有效地扩展，而直方图均衡化处理只是直方图均衡化的一个特例。用直方图规定化对布匹图片增强。断经实验效果如图1所示：在对图像进行预处理后，图像的对比度明显上升，并且没有高亮和失真，有利于特征值的提取。2.1.2图像消噪在图像采集和直方图规定化过程中难免会产出不必要地噪声，因此须对图像进行消噪处理。本文采用了比较普遍的中值滤波处理方法。中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。方法是去某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升（或下降）的为二维数据序列。二维中值滤波输出为gx,ymed{fxk,yl,(k,lW)}（）（2-1）其中,fx,y，gx,y分别为原始图像和处理后图像[2]。2.1.3瑕疵预检为了提高检测速度，减少不必要的运算时间，在图像预处理后加入了瑕疵预先检测技术。这种方法的原理是对每个像素点的灰度进行检测。当这幅图的没有瑕疵时，各个像素点的灰度变化比较小，灰度极差相对于瑕疵布匹图像较小。于是引入极差检验，经过大量实验，正常布匹灰度极差一般在80以内，而所有有瑕疵的布匹灰度极差都突破了100，于是可以取阈值为80，当灰度极差为80以内时，将跳过其他检验，直接归类为正常布匹。引入这项检测后，在瑕疵率为20%的批量检测中，检测速度提高了80%。相对误差率为0。2.2边缘检测数字图像的边缘检测是图像识别中提取图像(c)直方图规定化后的图像图1断经布匹图像直方图规定化前后对比(d)直方图规定化后灰度直方图(a)断经原始图像(b)图像灰度直方图特征和重要属性的方法。边缘检测是在图像特征变化不连续的情况下引入的，例如灰度值的突变、颜色的突变，亮度的突变，纹理突变等。图像的边缘检测大量减少了数据量，并且剔除了不相关的信息，保留了图像重要的结构属性。同样边缘检测突出了边缘的特征，特别对于突变边缘的特征提取具有重要帮助。Canny算子是在经典算子的基础上经过优化得到的边缘检测算子。相对于其他算子，Canny算子提取的边缘最为完整，而且边缘的连续性很好，定位比较精确，因此本文采用的是Canny算子进行边缘检测。在引入Canny算子之前，布匹图像已经转化成了灰度图，所以这里将像素点的灰度作为特征量进行分析。对于布匹图像中某个物体边界上的像素点，其邻域将是一个灰度变化带。比较这种变化最有效的特征值便是基于各个方向上灰度的变化率。这个特征值可以分成两个方面来表示，分别是梯度向量的幅值和梯度向量的方向[2]。所以，对于一个布匹图像(,)fxy，当布匹上出现瑕疵时，此时该像素点的灰度会发生突变，通过边缘只需求出(,)fxy梯度的局部最大值和方向。Canny算子的边缘检测主要有以下几个步骤：①首先用2D高斯滤波模板与原始图像进行卷积，目的是消除噪声：(,)(,)(,)GxyfxyHxy（2-2）高斯滤波器为：2222(,)abHxye设经过高斯滤波后的图像是(,)Gxy。②利用导数算子（Prewitt算子或Soble算子）求出灰度沿x和y两个方向的导数xG，yG，并求出梯度的模：22||xyGGG（2-3）③利用上面的结果求出梯度的方向：arctanyxGG（2-4）④把边缘的梯度方向大致分为四种：水平，垂直，45°方向和135°方向，并找到这个像素梯度方向的邻接像素。⑤遍历图像，求出所有符合条件的像素点，并置为1，其余点置为0。再通过阀值进行筛选，将所有符合条件的像素显示出来[3]。纵观布匹瑕疵的分类，可以对瑕疵边缘的变化程度分为两类，一类是缓慢变化的，如断经，断纬和破洞，另一类是突变型的，如油污等。经过基于Canny算子的边缘检测后，图像中的所有边缘都检测了出来，此时设置一个阀值，将其他不明显的边缘剔除，留下较为明显的边缘。经过大量实验，将阀值设为0.6左右时，布匹本身纹理造成的边缘可以完全剔除，较为合适。实验效果如图2所示：从实验后的图片看，Canny算子能够比较明显的显示出像素的突变点。然而每幅图像中都出现了孤立点，所谓孤立点（如图3所示），就是在一个像素点为中心的3×3的像素阵中，除了中心点为1外，其余点都是0。000010000图2Canny算子检测前后对比(a)断经(b)断纬(c)破洞(d)油污我们可以对实验结果中孤立点的个数运用二叉树分类法进行分类，当隔离点个数小于3时，一般认为瑕疵的边界突变非常明显，孤立点形成的是一个比较明显的圈，如图3中的油污检测结果。利用孤立点的个数，将瑕疵的种类分为了油污和非油污两类。在先前的大量实验中，基于Canny算子的边缘检测方法检测正确率高达100%，而且运算速度相对而言比较快，符合布匹检测的基本要求。对于布匹的断经、断纬和破洞现象，将引入小波分析的方法对他们进行分类。2.3小波分析小波变换是一窗口大小固定不变但其形状可改变的时频局部化分析方法，可以取得较好的频率分辨率，从而能有效地从信号中提取信息。在实际应用中，为了方便计算机进行分析、处理，信号()ft都要离散化为离散序列，