一种抗光影噪声影响的织物缺陷检测方法技术

本发明专利技术涉及图像数据处理技术领域，具体涉及一种抗光影噪声影响的织物缺陷检测方法，该方法在获取织物表面灰度图像后，对表征织物表面灰度图像纹理特征的灰度共生矩阵进行分析，根据噪声会影响织物表面纹理特征的特性，获取灰度共生矩阵中所有非零元素中的中心元素；以中心元素为基准根据噪声对所有非零元素的离散程度的影响情况，获取表征噪声大小的距离离散特征值；根据距离离散特征值所设计出的高斯滤波器对织物表面灰度图像进行滤波去噪，得到织物表面灰度去噪图像，最后根据织物表面灰度去噪图像进行缺陷检测。本发明专利技术根据图像处理得到的织物表面灰度去噪图像对织物表面进行缺陷检测的准确度更高。陷检测的准确度更高。陷检测的准确度更高。

【技术实现步骤摘要】
一种抗光影噪声影响的织物缺陷检测方法


[0001]本专利技术涉及图像数据处理
，具体涉及一种抗光影噪声影响的织物缺陷检测方法。

技术介绍

[0002]随着生活水平的提高，人们对于衣物的需求日益提高，随之而来的便是织物产量的飞速增长。在织物生产过程中，需要对织物表面缺陷进行实时检测，以保证织物的质量。但是传统的人工检测方法效率较低且准确度不足。因此现有技术通常采用智能检测的方法实现对织物表面缺陷的自动检测。现有技术通常将织物表面图像输入到训练好的深度学习模型中，输出织物表面图像中的缺陷区域，从而实现织物表面缺陷检测。
[0003]考虑到现有技术通过深度学习模型实现织物表面缺陷检测的准确度会受到输入图像的影响，即输入的织物表面图像的质量会影响缺陷检测的准确度。但是由于图像采集环境的限制，所采集到的织物表面图像会不可避免的受到光线等外界环境的影响，导致织物表面图像中存在噪声。由于织物表面纹理的特殊性，现有技术的噪声去除方法会破坏织物表面纹理的规律，导致去噪后的织物表面图像中的有效信息丢失或无法完全去除噪声，也即现有技术对织物表面图像的去噪效果较差，使得对织物表面进行缺陷检测的准确度较低。

技术实现思路

[0004]为了解决现有技术对织物表面图像的去噪效果较差，使得对织物表面进行缺陷检测的准确度较低的技术问题，本专利技术的目的在于提供一种抗光影噪声影响的织物缺陷检测方法，所采用的技术方案具体如下：本专利技术提出了一种抗光影噪声影响的织物缺陷检测方法，所述方法包括：获取织物表面灰度图像的灰度共生矩阵；根据灰度共生矩阵中各个非零元素的位置分布特征，筛选出所有非零元素中的中心元素；根据中心元素与其余各个非零元素之间的距离的分布情况，得到中心元素的织物距离离散特征值；根据以所述织物距离离散特征值为标准差的高斯滤波器对所述织物表面灰度图像进行滤波，得到织物表面灰度去噪图像；根据所述织物表面灰度去噪图像进行缺陷检测。
[0005]进一步地，所述中心元素的获取方法包括：将所述灰度共生矩阵的列作为横轴，将所述灰度共生矩阵的行作为纵轴，构建织物表面灰度图像对应的参考直角坐标系；将灰度共生矩阵中元素的位置映射到所述参考直角坐标系中，得到每个非零元素对应的参考坐标点；根据参考坐标点的位置分布特征，筛选出所有参考坐标点中的中心坐标点；将中心坐标点在所述灰度共生矩阵中对应的非零元素作为中心元素。
[0006]进一步地，所述中心坐标点的获取方法包括：依次将每个参考坐标点作为目标参考坐标点；将目标参考坐标点外的其他参考坐标点作为对比参考坐标点；将每个对比参考坐标点与目标参考坐标点之间的距离，作为每个对比参考坐标点对应的参考距离；根据参考距离对应的不同数值的出现频率的分布特征与高斯分布特征的相似情况，得到目标参考坐标点对应的高斯分布特征值；将所有参考距离的均值，作为目标参考坐标点对应的集中分布特征值；根据所述高斯分布特征值和所述集中分布特征值得到目标参考坐标点的中心评价值，所述高斯分布特征值和所述集中分布特征值均与所述中心评价值呈负相关；根据中心评价值筛选出所有参考坐标点中的中心坐标点。
[0007]进一步地，所述高斯分布特征值的获取方法包括：在所有参考距离中，将对应数值相同的参考距离作为一种参考距离；统计每种参考距离的出现次数；将所有种类的参考距离的出现次数的中值，作为参考中值；将所有种类的参考距离的出现次数的均值，作为参考均值；将所述参考中值与所述参考均值之间的差异，作为目标参考坐标点对应的高斯分布特征值。
[0008]进一步地，所述织物距离离散特征值的获取方法包括：在中心坐标点对应的所有参考距离中，将每种参考距离的出现次数与参考距离总数量之间的比值，作为每种参考距离的频次特征值；将每种参考距离对应的数值的归一化值，作为每种参考距离的距离特征值；根据所述频次特征值和所述距离特征值，得到每种参考距离的距离频率影响程度，所述频次特征值和所述距离特征值均与所述距离频率影响程度呈正相关；根据所述距离频率影响程度的数值分布特征得到中心坐标点的织物距离离散特征值。
[0009]进一步地，所述距离频率影响程度的获取方法包括：将所述频次特征值和所述距离特征值的乘积，作为每种参考距离的距离频率影响程度。
[0010]进一步地，所述根据所述距离频率影响程度的数值分布特征得到中心坐标点的织物距离离散特征值的方法包括：将所有距离频率影响程度的标准差，作为中心坐标点的织物距离离散特征值。
[0011]进一步地，所述根据所述高斯分布特征值和所述集中分布特征值得到目标参考坐标点的中心评价值的方法包括：将所述高斯分布特征值的负相关映射值与所述集中分布特征值的负相关映射值的和值，作为目标参考坐标点的中心评价值。
[0012]进一步地，所述参考坐标点的获取方法包括：将每个非零元素在灰度共生矩阵中对应列数的索引值，作为每个非零元素对应的横坐标；将每个非零元素在灰度共生矩阵中对应行数的索引值，作为每个非零元素对应的纵坐标，根据所述横坐标和所述纵坐标得到每个非零元素的参考坐标点。
[0013]进一步地，所述参考距离的获取方法包括：将每个对比参考坐标点与目标参考坐标点之间的欧氏距离，作为每个对比参考坐标点对应的参考距离。
[0014]本专利技术具有如下有益效果：考虑到织物表面的纹理特征通常存在一定的规律，因此本专利技术通过获取织物表面灰度图像的灰度共生矩阵提取织物表面的纹理信息，并进一步在灰度共生矩阵的基础上进行分析。根据噪声会对织物表面纹理信息产生影响的特性，对灰度共生矩阵中各个非零元素的位置进行分析，得到最接近织物表面纹理特征的真实纹理的元素，也即中心元素；考虑到噪声的影响程度会影响灰度共生矩阵中元素的位置，因此本专利技术进一步根据中心元素与其余各个非零元素之间的距离的分布情况，得到中心元素的织物距离离散特征值，从而根据织物距离离散特征值选取合适的高斯滤波器进行去噪，得到去噪后的织物表面灰度去噪图像，也即实现了根据织物表面图像的纹理特征进行自适应去噪，并且尽可能的保留了织物表面灰度图像中的有效信息，即本专利技术对织物表面图像的去噪效果更好，对织物表面进行缺陷检测的准确度更高。综上所述，本专利技术根据图像处理得到的去噪效果更优的织物表面灰度去噪图像，进而增强缺陷检测效果，使得对织物表面进行缺陷检测的准确度更高。
附图说明
[0015]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0016]图1为本专利技术一个实施例所提供的一种抗光影噪声影响的织物缺陷检测方法流程图；图2为本专利技术一个实施例所提供的一种织物表面光影噪声去噪方法流程图；图3为本专利技术一个实施例所提供的一种织物表面纹理示意图。
具体实施方式
[0017]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种抗光影噪声影响的织物缺陷检测方法，其特征在于，所述方法包括：获取织物表面灰度图像的灰度共生矩阵；根据灰度共生矩阵中各个非零元素的位置分布特征，筛选出所有非零元素中的中心元素；根据中心元素与其余各个非零元素之间的距离的分布情况，得到中心元素的织物距离离散特征值；根据以所述织物距离离散特征值为标准差的高斯滤波器对所述织物表面灰度图像进行滤波，得到织物表面灰度去噪图像；根据所述织物表面灰度去噪图像进行缺陷检测。2.根据权利要求1所述的一种抗光影噪声影响的织物缺陷检测方法，其特征在于，所述中心元素的获取方法包括：将所述灰度共生矩阵的列作为横轴，将所述灰度共生矩阵的行作为纵轴，构建织物表面灰度图像对应的参考直角坐标系；将灰度共生矩阵中元素的位置映射到所述参考直角坐标系中，得到每个非零元素对应的参考坐标点；根据参考坐标点的位置分布特征，筛选出所有参考坐标点中的中心坐标点；将中心坐标点在所述灰度共生矩阵中对应的非零元素作为中心元素。3.根据权利要求2所述的一种抗光影噪声影响的织物缺陷检测方法，其特征在于，所述中心坐标点的获取方法包括：依次将每个参考坐标点作为目标参考坐标点；将目标参考坐标点外的其他参考坐标点作为对比参考坐标点；将每个对比参考坐标点与目标参考坐标点之间的距离，作为每个对比参考坐标点对应的参考距离；根据参考距离对应的不同数值的出现频率的分布特征与高斯分布特征的相似情况，得到目标参考坐标点对应的高斯分布特征值；将所有参考距离的均值，作为目标参考坐标点对应的集中分布特征值；根据所述高斯分布特征值和所述集中分布特征值得到目标参考坐标点的中心评价值，所述高斯分布特征值和所述集中分布特征值均与所述中心评价值呈负相关；根据中心评价值筛选出所有参考坐标点中的中心坐标点。4.根据权利要求3所述的一种抗光影噪声影响的织物缺陷检测方法，其特征在于，所述高斯分布特征值的获取方法包括：在所有参考距离中，将对应数值相同的参考距离作为一种参考距离；统计每种参考距离的出现次数；将所有种类的参考距离的出现次数的中值，作为参考中值；将所有种类的参考距离的出现次数的均值，作为参考均值；将所述参考...

【专利技术属性】
技术研发人员：韩富源，雷文丽，孟令涛，姜恒新，桑明明，
申请(专利权)人：山东鑫成源服装有限公司，
类型：发明
国别省市：