基于小波特征和SVM的织物疵点识别.pdfVIP

2012年第2期 测试 分析 ·49 · 基于小波特征和 SVM 的织物疵点识别 赵 静 ，高 伟 ，欧付娜 ，武善清 (1．青岛理工大学 临沂校区机电系，山东 临沂 273400； 2．青岛恒星职院 自动化学院，山东 青岛266100) 摘 要：针对常见织物疵点具有方向性，利用传统空间域特征识另q方法不能有效定位局部疵点区域且当样本较少时 分类率低的问题 ，为有效定位疵点且提高分类率，提出了水平和垂直方向上小波城特征，利用能有效解决小样本分类问题 的支持向量机进行分类识别；并对利用图像灰度共生矩阵特征及小波域特征的分类结果进行 了比较。仿真实验结果表 明，所选特征不仅能对织物疵点区域进行水平和垂直方向上的定位 ，而且得到了较高的正确分类率。 关键词 ：小波变换；特征提取；疵点检测；分类率；定位 中图分类号：TP391 文献标识码：A 文章编号：1673--0356(2012)O2一oO49一O4 正常织物图像和疵点织物图像的一系列特征值向量后 0 引言 利用支持向量机算法进行分类。仿真实验表明，与传 织物图像的特征选择是疵点识别的关键步骤，特 统图像灰度共生矩阵特征相比，选择图像的小波特征 征选择的好坏直接影响分类效果。传统空间域特征描 不仅能得到较高的分类率，同时通过观察特征曲线还 述的是图像总体特性[】]，存在特征不突出的缺点，在进 能有效定位织物疵点区域在水平和垂直方向上的位置 行织物疵点检测时主要描述了图像纹理的总体平滑 坐标 。 度、粗糙性等特征，不能有效定位疵点区域。利用 1 织物图像小波域特征 Fourier变换将图像转换到频率域只能单独分析频域 参数。正常织物图像的纹理组织结构规则，而织物疵 1．1 图像的小波分解 点是由于生产过程中经纬纱不规则交织造成的，因此 二维小波分解可以理解为图像在一组独立的具有 疵点区域的纹理与正常织物有明显区别，实质上是奇 空间方向性的频带上的分解，若 (·)和5fI(·)分别是一 异信号。小波分析是一种窗口大小固定形状可变且时 维尺度函数和小波函数，^(咒)和g(^)分别是对应的滤 间窗和频率窗可改变的时频局部化分析方法[2]，对信 波器，图像f(x，3，)经小波分解被分解成不同的频率成 号有 自适应性。织物图像小波变换经行和列两个方向 份Af和D}(愚一1，2，3)。如图1所示，Af对应最低频率 的低通，对应织物图像的概貌；经行方向上高通和列方 信息，相当于原图像的低通滤波，D 给出垂直方向高 向上低通，对应水平方向的细节信号在垂直方向的概 频信息，D；给出水平方向高频信息，D；给出对角边缘 貌，即织物中经纱方向的纹理信息；经过行方向上低通 信息。 和列方向上高通即得到织物纬纱方向的信息。可见小 A』 DlJ 波变换在时域和频域同时具有 良好的特征，对奇异信 D l 号有很好的检测能力L3]。 为了有效定位疵点区域并提取出能得到较高正确 睥t D - 分类率的特征值，本文引人了可以描述织物纹理图像 在水平和垂直方向上特性的小波域特征。将