自适应局部二值模式算法及其在织物疵点检测中的应用.pdfVIP

第23卷第l期 纺织高校基础科学学‘报 v01．23，No．1 0暇TEXmEI腻ⅣERSllI皿S 20lO年3月BASICSCⅡNC璐JOUl蝌AL M黜h，20lO 文章编号：1006-834l(20lO)0l枷99舶 自适应局部二值模式算法及其 在织物疵点检测中的应用 付 蓉1’2，石美红1，陈惠娟1 (1．西安工程大学计算机科学学院，陕西西安710048； 2．西安电子科技大学影像处理系统国家重点实验室，陕西西安7100r71) 摘要：为了能够准确地提取不同纹理的特征，提出一种新的纹理特征提取方法，自适应局部二值 模式为不同纹理特征创建相应的主要概率模式子集，避免了均匀局部二值模式使用同一模式集 描述不同纹理结构而导致的描述不准确问题．在该算法基础上构建一种新颖的织物疵点检测算 法，使用本文提出的特征提取方法获取无疵点织物图像特征并确定疵点判断阈值，然后将待检测 织物图像分割为大小相同的检测窗提取特征后，与阈值比较以判断是否为疵点区域．实验证明此 算法不仅保持了传统LBP的旋转不变、多分辨率等特点，而且疵点检测结果在视觉上更加细腻、 误检率更低、适用范围更广． 关键词：局部二值模式；图像分割；疵点检测；特征选择；工业检验 391．4 中图分类号：TP 文献标识码：A O 引 言 织物疵点检测是织物质量控制过程中的一个重要问题．据估计，织物的疵点会导致织物价值下降约 45％一65％【1．2】．传统疵点检测主要由专业人员依据个人经验手工完成，效率低下而且具有很强的主观性， 因此开发一种快速、有效、可靠、实时的疵点检测系统成为迫切需要解决的问题． 近年来，出现了很多疵点检测的方法，与人眼视觉过程近似的小波旧1和GaborHo是近期提出的重要方 法】，这两种方法都具有多尺度、多分辨率的特点，非常适合检测尺度不同的疵点．但这两种方法都比较 复杂，计算量大，并不适合大规模生产中对疵点检测实时性的要求№J．’raje—po眦F【61提出了基于均匀局部 二值模式【71(uLBP)的疵点检测算法，该算法比较简单，但算法的实现有一个严格的限制条件，即只有在 非均匀模式的发生概率小于l％的情况下，该算法才能达到文献[6]所述的检测精度．经过分析发现，均匀 模式对应的是边缘弯曲度不大的纹理悼J，但织物的纹理多种多样，文献[6]的算法对织物的选择有很大的 局限性． 本文提出了一种有效的疵点检测方法，该方法建立在新的特征提取算法一自适应局部二值模式 构不同，自适应地选择发生最频繁的模式构建模式集，根据该模式集所提取的特征能够更贴切地描述纹理 收稿日期：2009-12粥 基金项目：陕西省科技厅13115科技创新工程(2008zDKG06)；陕西省教育科技项目(05JCl3) 通讯作者：付蓉(19r77-)，女，陕西省西安市人，西安工程大学讲师，西安电子科技大学博士研究生，主要从事模式识别、 计算机智能信息处理、图像处理等方向的研究．E·珊m：蚰geli咖咀y@126．锄 万方数据 100 纺织高校基础科学学报 第23卷 信息，疵点检测效果也更好． 1 局部二值模式 OJALA T[圳所提出的局部二值模式(kalBinaryPattem)的主要思想是将邻域作为一个处理单元， 以中心像素灰度作为阈值，与该像素邻域中的其他像素对比，如果大于中心像素的灰度，则对应邻域像素 置为l，否则置0，得到的O与l交替的二进制序列就是中心像素的特征． LBPP，矗=薹Ⅱ(舻彬州牡髓凳 (1) 式中 g。表示中心像素灰度值，反表示邻域像素，P表示邻域中元素个数，尺表示邻域半径．为每一个邻域 元素分配一个权重因子2‘，LBP算子从一个二进制序列转换为一个确切的十进制数．当纹理旋转时