基于灰度剖面直方统计的帘子布疵点识别研究.docVIP

基于灰度剖面直方统计的帘子布疵点识别研究 　　就现状而言，帘子布生产行业中，帘子布的缺陷还是依靠人工目测，人工检验织物的方式来进行检测。但是这种检测方式劳动力消耗比较强，而且漏检率比较高，更主要是容易受到检验人员主观因素的影响，得不到一个良好的检测结果。所以说，机器检测孕育而生。在纺织行业看来，基于数字图像分析的织物疵点自动检测技术在欧美等国家已经于上世纪70年代就开始兴起，而在90年代达到高潮。我国虽然起步较晚，但是也逐步在成形的过程中，而在此期间产生了许多的检测算法, 如采用基于纹理模型的疵点检测方法、应用神经网络或专家系统疵点分类 、应用小波变换和模糊推理实时疵点检测方法、Gabor变换等. 但这些方法检测对象是一般的单色织物, 并不适用于帘子布这样的工业用纺织品. 　　本文提出了运用帘子布图像的直线纹理特征, 由概率统计生成灰度剖面直方统计图, 有效地提取了帘子布图像的特征波形. 波形特征参数对比能准确定位帘子布纹理结构的异常位置, 正确识别帘子布疵点. 该方法用于帘子布的缺陷检测, 具有识别能力强、实时性好等优点, 可以用于检测有规则纹理结构的物体表面及物体. 　　帘子布的正常图像如图1所示, 它是由经线和纬线交织而成的. 帘子布作为一种特种纺织品, 有以下3个特点: ①帘子布的纬线排列稀疏. 纬线是由面纱制成的, 纬线只在织造、浸胶处理和压延过程中起连接经线的作用, 在轮胎成型后即断裂. 因此, 在帘子布的网状结点处经线和纬线仅仅是上下重叠在一起, 相对位置不固定;②帘子布在浸胶处理后, 表面色泽有相对较大的差别;③帘子布的疵点检测要在浸胶生产线上进行, 生产线的速度高达70~ 77m/min.帘子布织物表面具有典型的经纬直线纹理结构, 并具有显著的周期及方向性和均匀性. 由于疵点缺陷的存在,打破了纹理在频率性和方向上的和谐统一。本文尝试运用帘子布的直线纹理特征,由概率统计生成灰度剖面直方图, 有效地提取帘子布图像的特征波形,正确识别织物疵点。本方法的优点是处理速度快、实时性好。 1 帘子布图像灰度剖面直方图 我们从地貌图( 如图2所示) 可以清楚地分辨出高山、丘陵和峡谷。而在数据化的截面图中, 高山、丘陵和峡谷表现为高度坐标值的正负. 图3所展示的是同一纬度上的地貌横截面图, 它可以直观地表现处该区域的海拔高度, 而帘子布的纹理结构也只有纬向和经向, 地理高度相当于图像的灰度, 因此此原理可用于帘子布疵点检测中. 基于灰度剖面方法的基本思想是沿坐标0b(纬向)和90b(经向),统计帘子布灰度图像的灰度值(选取M*M像素的图像),并在坐标图中表现出来.以图像的左上角为坐标原点(如图4 所示),横轴表示距离,即相对于坐标原点的像素个数,纵轴表示该点图像灰度值总和(本文中图6-10的a、b图横纵坐标均为此意)。 　　对于大小为M*N的织物结构图像, 纬纱方向的灰度值分布为fx(m),经纱方向的灰度值分布为fy(n),识别算法的核心是分别沿纬经纱方向对检测纹理灰度值累加求和: fx(m)=Σf(m,xi) (1) fy(n)=Σf(n,xi) (2) 本方法相当于绘制了一幅剖面灰度分布的地貌图. 沿纬向的剖面图如图5所示. 　　2 疵点检测原理 　　基于灰度剖面方法本质上说是一种从灰度差异来判断图像异常的方法. 有疵点的图像基本会表现出跃迁明显的特点. 本文通过对正常的和含有疵点图像的分析, 得到以下判断图像是否有异常的基本性质: (1)正常帘子布图像经向和纬向的灰度曲线理论上应该均匀，考虑到图像受光照和噪声的影响，可能会有少量波动。图6所示是正常帘子布灰度图像的剖面直方图。由纬向和经向剖面图，可以看出正常帘子布图像纬向的灰度值总和在灰度平均值附近徘徊，尽管有小的波动，但整体分布比较平坦。经向灰度值总和有周期规律地分布在均值附近，这是由帘子布的纹理特征决定的。 (2)以灰度平均值为标准, 以灰度差异和距离的商为跃迁比率,一般跃迁比率大于1000, 认为图像有疵点。图7所示为帘子布劈缝灰度图像在纬向和经向灰度值分布。沿经向剖面灰度直方图亦是有周期规律地变化, 但是沿纬向的剖面直方图在219处有明显的向上跃迁, 以灰度值差异和空间距离(像素数)的商来定义跃迁比率, 这两处的跃迁比率达到1190, 而沿经向有规律的起伏的跃迁比率一般小于500。没有疵点的位置还是呈正常状态分布。 3 基于灰度剖面方法的实验结果分析 　　本文搭建的图像采集系统是由UNIQ公司UP-2000相机(分辨率1620*1236)和加拿大Matrox公司的OdysseyXCL/CL图像采集卡组成, 选用采集到的工业帘子布图像作为样本. 从采集的图像中选择512*512 的256 级灰度图像用作实验。在实验中,按照2002年公布的帘子布国家标准[ 6] ,