基于分形的纺织物疵点检测方法.doc

《基于分形的纺织物疵点检测方法.doc》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于分形的纺织物疵点检测方法基于分形的纺织物疵点检测方法摘要：为了提高纺织物疵点检测率，从纺织物纹理具有均匀性和周期性等特点出发，提出了基于分形的纺织物疵点检测方法，该方法利用滑动窗口思想计算图像的分形维数，并以此为依据采用Otsu算法对图像进行分割。实验结果显示该方法的分割精度较高，分割时间也能满足疵点检测的要求，是一种有效地疵点检测方法。【关键词】疵点检测分形差分盒维数Otsu图像处理1引言纺织物中的疵点是影响纺织物质量的一个重要因素，因此疵点检测是纺织物质量检测中的一项重要内容。目前的疵点检测几乎都是靠人工目测完成，该方法工作量大、劳动强度

2、高、检测结果主观性强，尤其是在工人疲劳的状态下误检率和漏检率很高。采用疵点自动检测技术来取代人工检测就成了发展的必然趋势，纺织物图像是一种典型的纹理图像，具有很强的结构性、周期性、均匀性。疵点的出现会打破纺织物原有的纹理，疵点自动检测就是利用这一特征对纺织物图像分割，从而达到识别疵点的过程。近年来大量有关疵点自动检测的方法被提出，例如基于灰度共生矩阵的方法、基于傅立叶变换的方法、基于小波变换的方法等。因此本文提出了一种基于分形维数的图像分割方法应用于疵点检测，实验结果表明该方法对疵点的检测是有效的。2差分盒计数法2.1分型理论上世纪70年代Man

3、delbrot建立了分形理论，利用自然界中的事物具有自相关性的特点，使用分形维数这一指标来对事物的不规则程度进行定量衡量。由于自然界中的绝大多数事物都符合分形的特征，所以该理论一经提出很快就被应用于图像分割领域。在各种计算分形维数的方法中使用的最为广泛的是差分盒计数法和基于分形布朗运动自相似模型法。这两种方法应用的对象是不同的，对于粗糙度小的事物差分盒计数法的值变化的更剧烈，而对于粗糙度大的事物基于分形布朗运动自相似模型法的值变化的更剧烈。纺织物的粗糙度相对较小，因此本文采用改进的差分盒计数法。2.2差分盒计数法改变r值，计算其对应的值，然后用最

4、小二乘法拟合，即可求得图像的分形维数D。由D的计算过程可知，当图像的纹理是均匀的、周期性的时候，在盒子尺寸相同的情况下，每一个子块里的盒子数应该很接近甚至相等，所以最终计算出来的D也相差不大。纺织物疵点检测图像正符合这种特点，纺织物的纹理也是均匀的、周期性的，所以不同子块计算出的盒子数也是相近的，当子块中存在疵点时，破坏了原有图像的纹理，盒子数就会发生较大的变化，D值也就随着发生变化。因此采用差分盒维数检测疵点是可行的。3基于差分盒子维数的疵点检测算法3.1算法改进文章第2部分指出使用差分盒维数方法检测疵点是可行的，但不能直接照搬使用。这是因为一

5、般的差分盒维数计算方法需要将图像分为若干子块然后计算盒子数，最终求得的D值是整个图像的，也就是说直接使用的话只能检测出当前图像中是否存在疵点而不能对疵点进行准确的定位。为了准确定位疵点，本文采用滑动窗口的方法计算D值。具体做法是：将大小为MXM图像分割为大小为sXs的若干子块,s为整数且，再将每一个子块分别分割为大小为s，Xs，的子块，令。也就是说每一个sXs的子块为一个滑动窗口，在每一个滑动窗口内再计算D值，将结果作为该窗II中心像素点的分形维数。然后移动窗匚I,计算出所有像素点的D值。这样算出来的D值有可能不是很准确。这是因为不同纺织物纹理的

6、周期性不一样，只有窗口大小与纺织物纹理的周期相吻合，计算出来的D值才是准确的。为了解决这个问题可以在算法开始时先使用不同的窗口尺寸计算一下，若有较大变化证明窗II太小不能包含一个纹理周期，需要扩大窗口直至变化较小，即为合适的窗口大小。通过图1可发现Otsu算法的分割效果最差，儿乎不能分割出来疵点，这是因为传统Otsu算法是依靠像素点灰度值进行分割的，疵点的灰度值和正常纺织物的灰度值相差不大，所以分割效果不好。GLCM算法分割的效果好于Otsu算法，但与本文算法相比干扰较多。从分割效果来看本文分割效果最好。再比较三种算法的分割时•间，如表1所示。三

7、种算法中Otsu算法分割时间远远小于后两种算法，因为其算法简单、计算量小。传统GLCM算法分割时间也比本文算法分割时间要少，这是因为本文算法计算量确实较大。但1.62秒的分割时间也可以满足疵点检测的实时性要求了。综合分割效果和分割时间可知本文算法是行之有效的，可以应用于实际检测中。5结论(1)本文根据纺织物纹理的均匀性、周期性提出了基于分形理论的疵点检测方法，并通过实验验证该方法是可行的。(2)该方法的分割精度比一•些传统的图像分割算法精度高，能够降低疵点的误检率和漏检率。(3)该方法的分割时间能满足检测的实时性要求，但计算量较大，分割时间过长，

8、可以进一步研究其快速算法以实现进一步的完善。参考文献[1]Anagnostopou1osC,VergadosD,KayafasE,eta