基于计算机视觉织物疵点检测

畸抖革主 2009年第5墨于精算栩栩觉梁金祥编译左保（苏州大学纺织与服农苏苏 要织物疵λ）,I_种类繁多建立织物疵点（I功检测系统前姿强）J高效的检测算法。某于织物表[fij特征的优点检测方法可分为三类统计方频谱方法和基于模型的方法本文通过j.fJ\\fj的疵J!X.检测厅法实m性的分析综述表T.织物检测rif分为过程检测和产品检测。过程检点的信息。测是在织造过程中监测工艺参数以防产生疵点．牟般不适合纺织工艺复杂的织造过科。产品检测是检 1自动化检测测生产好的织物有无疵点是现在研究的热点〉纱！机织物的幅宽大约1. 2m.织边j主度为0. 典型的自动化织物检测系统直11罔l所后该05mmin于织机恶劣的工作环境和l较慢的织的坯布从织机的卷布棍J820m/rnin高的速度退绕到有特殊照明的检测台上检测。当检测人

统由一排平行放置的相机、电主机冬lf象采集卡、照明系统和机械交L系统组成检测系统的民l像采 据量。下面对该系统的关键部分作简要说明。电脑上 监视图图 技市I）J编图1织物检测系统结2009年第5 照明系统照明系统是高质量图像必备条光电导管模糊逻辑控制器保持恒定的光照强度。面帧扫描相机。线扫描相机位于织物运动的垂直方向感器配合扫描速率来编扫描物体运动。高分辨率线帧扫描相机可以检测大部分织物疵点一次扫描不能产生一副完整的需从多行扫描中构成完整的图像。两种扫描均都采用CCD或CMOSCMOS有CCDCMOS传感器的敏感性却比CCD直尝试在织物疵点检测上使用集成时间延迟CMOS编编的轴直接触织物绕机构，给相机供同脉冲号编获取物运的速度信息使得线相机图像与体运动度同步而得到清晰图像。图像卡图像卡把相机到的图像数据转化为数字图像信号。检测系统需要多个相机进行图像时在相机与图像卡之间配置一个多路单元。系统控制单一主机无法处理织物以15 20m/min运动产生的大量图像数据因此每个相机额外配置一个DSP处理器来判断该相机的图像有无疵点。并对检测出的每个疵点进行分类疵点的相似性和多样性是疵点分类的主要。织物疵点检测方法分从微观上讲Harlick利用块纹理的概念将常用的纹理分析技术分为两类所以该方法只适用于确定性图像Tuceryan

5号特征。纹理分析的几何与结构特征是假设纹理由提取面料纹理基元3疵点检测。(1）分形维数法疵点检测 Conci和Proenca利用估计分形维数法检测织物疵点使用改进后的计盒维数的方法可降低计算复杂度提高处理效率然后根据分形维数的变化判别疵点该法计算简单，但定位精度差也会出现误判断常见的8类疵点的检测的准确率达96%。(2）灰度阔值法点检测 使用灰度闽值检测图像对比高的疵较为简单这疵点信会瞬时升高降低可阔值方法检信号峰值谷值Badshaw等人详细介绍了二值阔法检测物疵点tjaoic将阔值法用于织物检测系统疵点的识别率为.2%误判率.3%二值阔值的织物疵点检测实现不能检灰度值背景度接近的疵点。(3）灰度统计法点测 灰度统计基于图像像素值之的统计征检测点平滑理使局部信息丢而很难断图像比度低疵点图像块的尺寸重要小识背景纹很太大，丢失疵点局部纹理若点发生图像的边缘则会丢失缘处班点han使用的自相关函数选择图像块的寸如图2所示。HuartPostaire使用线帧扫描相机经纬向强立图像数据通过元疵点织物确定阔值的上下Thomas和Cattoen提出使用升余弦滤波器抑制高频保留低频信号阔值能准确检测过滤DMTsaiYHTsai使(4）数学形态法疵点检测 Zhang和Bresee详细介绍了使用形态学检测织物疵点。待检测图像经 间的距离对疵点进行分类。阔值化等预处理后 t萄纠正止 2009年第5会丢失一些疵点信息。Goswami和Datta通过织 的周期性结构这种方法适合于周期性疵点。物图像空间滤波后进行叶透镜变换得到织物图2基于图像块统计的疵点检(5）边缘分割法疵点检测纹理图像各区域边CDHT）等可用于提取局部纹理特征。Ade等人比缘是个重要的特性图像灰度不连续区域可能存在较了DCT,DST,DHT,EIGIN过滤器和劳尔斯掩疵点。Conci和Proe盯a讨论并比较了索贝尔（So 模在织物疵点检测方面的性能证实了劳尔斯滤波be［）边缘检测法、闽值和分形维数法检测疵点的效器的优越性但所用的数据局限于两种织物疵点缺Lane使用掩模将待测图像转化为梯度图像然后梯度图像间值化构元素对图像形态学操作分离疵点中连续的像素作为织物背景孤立点为疵点在对这种方法申请了专适合低分辨率的平纹织物图像且很难把孤立的疵点从噪声中分离出来(6）互相关函数法疵点检测互相关函数能直接而准确地识别两幅图像之间的相似性特征会使函数值变化Bodnarov等使用多模板的相关系数。(7）共生矩阵法疵点检测纹理是图像区域的特征因此空间像间的相互作用被用于表征纹理特征色共生矩阵是个热门统计纹理分析工具材和面料的表面疵点Siew等提了利用空间灰阶值相关矩阵CSGLDM）灰阶行矩阵CGLRLM）灰阶相关矩阵（GLDM）评价了地毯磨损程度Harlick等人提取了灰度共生矩阵的14个特征值表征草米的纹但只有6特征值可用于木材疵点检6个特征值中2个可用于织物疵点检Con时rs等人用共生矩阵的6个特征值识别木材表面的9类疵sai等人使用二阶矩和对比度这两个特征值检测织物疵点率高达96%;Rosier使用共生矩阵开发的织物检测系检测lmm2的疵点率达95。该方法基于高阶信息统计，对计算和的要求较-同(8）局部线性变换法疵点检 离散余弦变CDCT）变换CDST）达玛变

乏普遍性Ne吵auer根据波纹征确定的三个劳尔斯掩模图特征再用3层神经网络OzdemirErcil利用KL变换和EIGIN过滤器检测织物疵点子技术的进步DCTDSTDCT和DST更适合织物检测。(9）神经网络法疵点检测神经网络的非参数性和复杂决策层的描述能力是视点检测的优秀分类器Kumar已经综述了使用前馈神经网络CFs)分割织物疵点及使用线性神经网络解决低分辨率的织物点测近Hung和Chen利用反向神经网络与融合技术实现了8种不同类型的织物疵点及无疵点织物的分类Rohrmus简要描述了采用神经网络的织物疵检测系统Maenpaa提出了基于组映的自化觉测系统 Occhipinti也提使神经络行理陷测。支持量机CSVM）不受到局极点题的响可以代前馈经网络Kmar和hen使用的SVM检测织物点N和VM要求对有织物疵样预置而物点种繁严阻了FFN和VM在织物检方的用。频谱许多低阶统计方法如边缘检测破坏了织物疵灰度变化影响的频谱检测方法评估2009年第5 呻州正£ ）离散叶变换法疵点检测（T)叶变换对噪声的干扰和周期性变化不敏感杂度低ai-arra£使用一维信号局部统计数据监测纱线密度的变化（非织物的疵点KChan和Pang详细讲述使用局部频率成分识别织物疵点Tsai和Hu（缺经断纬破洞油污）叶模型并使用这些模型来提取织物疵点的叶特征。

Tsai和Heish使用的离散叶变换变换的检测织物表面的纹理疵点使用离散叶变换分析纹理的高频成分然后由一维变换检3始图像的局部异常（疵点）图3离 叶变换法疵点检坝(2）光学叶变换法疵点检测（OFT) 速叶变换（FFT）分解频谱的组成成分并自动选叶变换可通过透镜和空间滤波器简单快速地获取，择Gabor滤波器中心频率。Kim等人用针孔型空间滤波器能检测出500um2的(5）最优FIR滤波器法疵点检测部分织物疵疵点光学叶变换使用的光束直径相对于织物点出现在灰度过渡区域上述频谱方法难以检测出中经纬纱线的间隙不能太大光束直径小要求多个来可使用最优有限脉冲响应（FIR）滤波器检测这光学系统覆盖织物的宽度非常复杂且昂贵Fo- 种疵点最优的FIR过滤器能区分过滤后图像有无meo利用高速摆动的扫描和镜像扫描织物的幅Hoffer20/5)BP神经网络将织物疵点的光学叶变换的定位图子域平的时候能会忽掉局部点，因此基于散变换光学叶变换检测技术合全疵点而适合局疵点局疵点检测需要在空域和频域空间都能定位分析。Campbell和Muragh详细介绍了基于口傅变换的牛布疵点测方法使用1616窗口傅里叶变换提振幅谱特征在取无疵织物的样品的特征用奈曼 皮尔逊准则检测点Campbell等人使用3232窗口中提取窗口叶特征使用FN神经网络识别牛仔物疵点。(4)Gabor滤波器法疵点检测 已引起许多人关注可以使用局部空间滤波器提取待测图像的特征值二维Gabor滤波器在许多情况下也适合空间滤波Bodnarova使用优化GaborEscofet对称Gabors过滤器检测织物疵点。Kumar利用快

的自Kumar和Pang使用最优FIR滤波器无监督检测微小的织物疵点KumarFIR滤波器空间掩模比最优Ga-bor滤波器比较3×3和5×5掩模最优FIR滤波器分割织物疵点的区别(6）小波变换法疵点检测 使用正（或正交）和紧撑小波多尺度析可以免不同成部分之间的干扰在不同尺度检测织物疵点最近aiaraf和Godard已经开发出种织物疵点检测统可测小至0.2英寸的疵点总检测率为9%疵点测采低通高“紧集小”滤波器FSari-SarrafBrzakovic的研究表明，体均匀度位造成→定的。Kim等人使用小波变换分析一维信号检测织物疵点行和列分别生成两个一维信号个尺度上分解一维信号Pang和Kumar解决了小波变换检测低分辨率图像中的疵点。传统小波变换一般只分解图像的低频部分 畸抖生主 2009年第5波包分解图像的频率波段以确定织物疵点。Ya TsaiHsiao详细介绍了使用小波系数重建强化疵点淡化Lambert和Bock用二进制小波在四个尺度分解纹理图像并

研究利用小波包分解图像检测织物疵点Kumar和Gupta用小波系数均值和方差确定的表面疵点织物纹理看作噪声但这种办法无法检测织物纹理细微变化处的疵点。2. 基于模型的方

4多尺度小波分解的疵点分分辨率图像(lOOPPI案。然与随机性成分混合而成的可以看作统计假设检验的问方法。(1）J夫随CGMRF）法疵点检测马尔可夫随机场模型已成功地表征了许多自然纹理和人工纹理AttaliJ模型和分形模型在纹理图像七的应用可夫随

的真无监Rs 检测可应于中分率的图像等辨图像高辨的算 复和低分辨图丢细小疵信的个均衡分辨率像（200PPD适合检强变化弱疵点有监疵检应该选化的R滤波器无监督检应用非对称abor滤波器因5（略）为几种见点不同辨图像表1为像分辨率对测法影响及计算杂的计。1图像分辨率与算法复杂 RGF 八 OFNNI;\!;\!2 适场模型适合织物纹理罔像的建模模粗糙表面的建模。

N八J(bad （bad (2）聚类分析模型法疵点检 Campbell等

计算复杂度19 81×2×n170×285

使用基于模型的聚类算法分析牛仔布叶

(n16 (nJ18)BIC确的指标。Kong等人使用移色聚类法检测｛U.不能用于灰皮图像。讨纺织材料的检测质量取决于疵点检测算法检测到的各种疵点为了检测细做的疵点要求图像分辨 素。很难定量比较不同图像分辨率 疵点种类的识别方法。高分辨率图像的计算复杂度较高识别效果未必会最好因此很有必要综述基于固像分辨率计算复杂度以及性能的识别方法。低分辨率图像C50PPD由于成像镜头或非均匀照明导致图像失RG