基于二维Gabor滤波器的非织造布疵点检测

陈 琳，汪 军，b，李立轻，陈 霞

（东华大学a.纺织学院；b.纺织面料技术教育部重点实验室，上海 201620）

基于二维Gabor滤波器的非织造布疵点检测

陈 琳a，汪 军a，b，李立轻a，陈 霞a

（东华大学a.纺织学院；b.纺织面料技术教育部重点实验室，上海 201620）

针对非织造布疵点自动检测问题，提出一种基于二维Gabor滤波器的非织造布疵点检测方法.该方法采用3个尺度和4个方向的滤波器分别对经过Gamma矫正以及同态滤波处理的正常图像和疵点图像进行滤波，进而得到偏差图像，并做融合处理，经二值化后将疵点从织物背景中提取出来，从而实现非织造布的自动检测.试验结果表明，该方法对非织造布各类疵点的检测，尤其是对隐性疵点是非常有效的.

Gabor滤波器；非织造布；疵点检测

由于非织造布产业的快速发展，质量控制受到极大的关注，非织造布疵点检测便是其中的一项.随着生产速度的加快、布门幅的加宽以及产品质量要求的提高，人工疵点检测存在检测速度慢、检测率低、稳定性差等问题，因此寻求快速、准确地检测出非织造材料疵点的方法已成为目前急需解决的一个问题［1－4］.

非织造布疵点类型主要分为两类：一类是包括杂质、破洞以及油污等在非织造布表面、视觉明显可见的疵点，本文将其定义为显性疵点；另一类则是在生产过程中夹杂在纤网内部的杂质，在非织造布成型后隐于织物内部，此类疵点可见性较差，因此本文将其定义为隐性疵点.目前，针对非织造布疵点检测的研究比较少，主要集中于对疵点直接二值化后提取特征值［5－6］，此方法对显性疵点检测能力较好，但对于隐性疵点基本无法检测出来，所以有必要寻找新的检测方法对隐性疵点作出有效的检测.

非织造布隐性疵点检测算法目前尚无报道，但是在机织物疵点检测研究和指纹识别等方面的研究［7－8］显示，在对织物疵点和指纹图像进行二维Gabor滤波器滤波处理后，能够明显增强疵点和指纹的检测效果.因此，本文采用基于二维Gabor滤波器方法对非织造布隐性疵点进行检测，并通过与直接二值化方法检测结果的比较，研究基于二维Gabor滤波器检测方法对非织造布隐性疵点检测的有效性，在此基础上进一步对显性疵点的检测进行试验，研究其对非织造布各类疵点检测能力的普适性.

1 Gabor滤波器理论

Gabor小波变换是一种Gauss窗的加窗Fourier变换，二维Gabor滤波函数或冲击响应函数是一个调制过的二维高斯函数.滤波函数经过适当的膨胀和旋转可生成自相似Gabor小波函数，它的单位冲激响应函数为

其中：σx，σy分别为控制高斯函数在x轴和y轴的伸缩程度；f0为调制频率或中心频率；θ为旋转的角度；x和y为原来的坐标；x′和y′为旋转后的坐标，x′＝xcosθ＋ysinθ，y′＝－xsinθ＋ycosθ.单位冲击响应函数的傅里叶变换如式（2）所示.

2 Gabor滤波器的设计与优选

Gabor滤波器的设计就是通过确定滤波器参数（f0，σu，σv，θ）得到参数σx和σy.通常的做法是选取多个（f0，σu，σv，θ）参数，使得这组参数下的滤波器组能覆盖频域［9］.

本文首先采用半峰相切法来选择尺度参数σu和σv，使在频域振幅的半峰处各个滤波器之间保持相切，从而滤波器组覆盖区域达到最大，由推导得出Gabor滤波器参数σu与σv如式（3）所示.

其次，对于一个大小为N像素×N像素有纹理图像，根据文献［10－12］对频率的定义，分别对隐性疵点进行了检测试验，最终选择频率f0的取值为0.11，0.22，0.45.

对于旋转角度θ的选择，由于输入的实信号在角度［π，2π］之间的信号响应是角度［0，π］的复共轭，所以实际计算旋转角度只考虑［0，π］范围，同时大多数图像的能量主要集中在水平、垂直及对角线方向上，其他角度用处并不大，且增加运算量，所以本文采用0，π／4，π／2，3π／4共4个角度，对疵点图像进行处理.

3 基于二维Gabor滤波器的非织造布疵点检测流程

本文采用3个中心频率（0.11，0.22，0.45）和4个方向（0，π／4，π／2，3π／4）的 Gabor滤波器组（共12个滤波器）来处理非织造布疵点图像，检测流程如图1所示.

图1 检测流程Fig.1 The process of detection

具体算法如下所述.

（1）分别获取大小为512像素×512像素的非织造布的无疵点的标准图像p（x，y）和含有疵点的图像q（x，y），为了得到更好的效果，分别对两幅图像进行Gamma矫正［13］以及同态滤波消除光照不匀.

（2）将处理好的无疵点的标准图像和含有疵点的图像，与Gabor滤波器的实部和虚部分别卷积，可以分别得到12幅滤波后的复像Pmn（x，y）和Qmn（x，y），m代表尺度数，n表示方向数［14］.

其中：real（）为取实运算；imag（）为取虚运算；‘＊’为卷积运算.

（3）求标准图像复像的Pmn（x，y）的平均值R－mn和标准差σmn.

（4）采用式（6）对疵点复像求取偏差图像.

（5）对疵点偏差图像qmn（x，y）进行阈值化处理，如式（7）所示.

其中：τ为可调参数，用来控制错误拒绝的概率，决定了敏感度，很大程度上其由获取图像的环境和图像上杂质的情况决定.根据本文中的环境条件，通过多次试验，τ取值为1.3.

（6）对于得到的图像，体现了不同频率不同方向下疵点的结构和形态.为了能够得到具有综合信息的图像，将各个频率、方向下的疵点偏差图像，采用以下方法进行融合.

根据式（8）对具有相同尺度不同方向上的图像进行融合.

处理后得到3幅不同尺度的图像，每幅图像集合了不同方向上可能存在的疵点信息.以同样的方法对不同尺度的图像再进行图像融合，最后得到总融合图像K（x，y）.

（7）用中值滤波把各个尺度和各个方向的噪声从最后的融合图像K（x，y）中去除，本文选择大小为3像素×3像素的模板进行中值滤波，经过滤波后的图像为K′（x，y）.

（8）对滤波后的图像进行二值化处理，二值化后的图像中的疵点很容易从背景中分割出来.本文采用一维最大熵法，对图像自动选取阈值并二值化.

4 试验结果与分析

为了验证本方法对于隐性疵点的检测能力，本文选择蚕丝为原材料，面密度为26.25g／m2的水刺非织造布作为检测对象.图像采集系统为JAI公司生产的CV－3200系列CCD摄像头与EURESYS公司生产的PICOLO2系列图像采集卡.试验的硬件环境为Intel Core2 2.26GHz CPU，4GB内存的计算机，软件环境为Matlab 2010.

根据第3节的处理方法，对含有隐性疵点的非织造布进行处理.图2（a）为非织造布疵点的原始灰度图像，图中框选的部分为生产过程中埋在织物内部的隐性疵点.图2（b）和2（c）分别为二维Gabor滤波器处理后的结果和直接二值化方法处理后的结果.

由于目前尚无针对非织造布隐性疵点检测的研究报道，没有检测数据进行比较，因此，采用二维Gabor滤波器检测方法与直接二值化方法对30幅隐性疵点图像进行检测结果对比，两种检测方法得到的检出率分别为80.00%和26.67%，对每幅图像的平均检测时间分别为0.845s和0.103s.

从试验结果不难看出，与直接二值化方法比较，疵点图像经二维Gabor滤波器处理后，虽然在处理速度上略慢，但是对隐性疵点的检测能力明显增强，能够较好地将隐性疵点检测出来.

同时，本文采用基于二维Gabor滤波器的处理方法对显性疵点进行了检测.在检测过程中，针对不同类型疵点采用了不同的光照条件进行图像采集.检测效果如图3所示.

从图3可以看到，基于二维Gabor滤波器的检测方法对显性疵点也有良好的检测效果，显示出其对各类疵点的检测具有良好的普适性.

5 结 语

本文采用基于二维Gabor滤波器的检测方法，对非织造布上隐性疵点以及视觉明显可见的杂质、破洞以及油污类型的显性疵点进行了检测.由于二维Gabor滤波器能够很好地反映图像频率和方向在局部范围内的强度变化，所以对于隐性疵点有良好的检测能力，而对显性疵点同样能够有效提取，从而证明此算法对非织造布隐性疵点检测的有效性以及对各类疵点检测的普适性.在实际应用中，由于织物类型、环境条件各不相同，滤波器参数可根据实际情况适当调整.同时，可以尝试增加Gabor滤波器的尺度和方向，以达到更好的检测效果，但会增加计算量，降低检测速度，因此，需要根据检测要求的精度以及速度来选择适当的滤波器尺度和方向.

参 考 文 献

［1］黄潇玲，孙科，李子燊，等.表面疵点在线检测技术在非织造领域的应用［J］.产业用纺织品，2009，27（5）：39－43.

［2］王智.非织造布疵点在线检测装置［J］.非织造布，1998，6（4）：13－14.

［3］LIU J L，ZUO B Q，ZENG X Y，et al.Nonwoven uniformity identification using wavelet texture analysis and LVQ neural network［J］.Expert Systems with Applications，2010，37（3）：2241－2246.

［4］曾跃民，刘丽芳.基于计算机图像处理的非织造布质量检测与控制技术［J］.非织造布，2001，9（3）：37－40.

［5］STOJANOVIC R，MITROPULOS P，KOULAMAS C，et al.Automated detection and neural classification of local defects in textile web［C］／／Seventh International Conference on Image Processing－IPA99.Manchester，UK，1999：647－651.

［6］PAYVAND P，YOUSEFZADEH－CHIMACH M，LATIFI M.A note on neurofractal－based defect recognition and classification in nonwoven web images［J］.Journal of the Textile Institute，2010，101（1）：46－51.

［7］刘元兵，李见为.基于Gabor小波核心算法的指纹图像预处理［J］.自动化与仪器仪表，2004（3）：51－53.

［8］韩润萍，孙苏榕，姜玲.基于Gabor滤波器组的织物疵点检测方法［J］.计算机工程与应用，2007，43（7）：211－214.

［9］KUMAR A，PANG G.Defect detection in textured materials using Gabor filters［J］.IEEE Transaction on Industry Application，2002，38（2）：425－439.

［10］TAN T N.Geometric transform invariant texture analysis［J］.International Society for Optical Engineering，1995，2488：475－485.

［11］CHELLAPPA R，KASHYAP R L，MANJUNATH B S.Handbook of pattern recognition and computer vision ［M］.New Jersey：World Scientific Publishing Co Inc，1993：277－310.

［12］JAIN A K，FARROKHNIA F. Unsupervised texture segmentation using Gabor filters［J］.Pattern Recognition，1991，24（12）：1167－1186.

［13］师一华，杨金锋.图像处理中改进的Gamma矫正方法［J］.安阳工学院学报，2005（6）：67－70.

［14］ARIVAZHAGAN S，GANESAN L，BAMA S.Fault segmentation in fabric images using Gabor wavelet transform［J］.Machine Vision and Applications，2006，16（6）：356－363.

Nonwoven Fabric Defects Detection Based on 2DGabor Filter

CHENLina，WANGJuna，b，LILi－qinga，CHENXiaa
（a.College of Textiles；b.Key Laboratory of Textile Science ＆Technology，Ministry of Education，Donghua University，Shanghai 201620，China）

Focusing on automatic detection of defects on nonwoven fabric，a method based on 2D Gabor filter was presented.The images of the normal fabric and the fabric with defects which had been proceeded with Gamma correction and homomorphic filtering were proceeded by the Gabor filters of three scales and four directions，and thus the deviation images were obtained.The defects were prominent after integration.And finally，the defects of the nonwoven fabric were detected by threshold processing.The experiment results proved the effectiveness of the method of various defects detection，especially the inapparent defects detection on nonwoven fabric.

Gabor filter；nonwoven fabric；defects detection

TS 941.26

A

1671－0444（2012）06－0695－05

2011－10－10

国家自然科学基金资助项目（61271006）

陈 琳（1986—），男，上海人，硕士，研究方向为非织造布疵点检测.E－mail：520116859＠qq.com

汪 军（联系人），男，教授，E－mail：junwang＠dhu.deu.cn