基于正交小波分解的织物疵点检测

杨 亚，薛云灿，沙 伟，吉 玲

（河海大学物联网工程学院，常州213022）

基于正交小波分解的织物疵点检测

杨 亚，薛云灿，沙 伟，吉 玲

（河海大学物联网工程学院，常州213022）

为了克服传统人工目测劳动强度大、误检率高、漏检率高以及现有疵点检测方法检测精度低的问题，提出一种基于正交小波分解的织物疵点检测方法，以提取的特征值相对误差大小代替归一化相对特征值作为判断疵点是否存在的标准。实验结果表明，此种方法比传统方法检测精度高。

正交小波分解；疵点检测；相对误差

1 引 言

长期以来，布匹的质量检测通常是由检验人员进行人工目测，这种方法极易造成视觉疲劳、劳动强度大，而且存在检测效率低、漏检率和误检率高等弊端［1-4］，因此，疵点自动检测技术研究广受关注。

在利用计算机图像处理技术检测织物疵点的过程中，特征值的提取尤为重要。特征提取算法主要分成空间域和频域两大类，空间域方法能够检测的疵点种类少，实用价值不高。频域方法检测精度高，尤其是小波变换适合分析非平稳信号，可以对图像进行多尺度分析，提取水平方向和竖直方向的特征信息，是比较理想的疵点检测工具［5-8］。

2 织物图像的二维正交小波变换

图像由像素点组成，从数学角度来看，图像可以看作是二维离散信号，对图像进行二维小波变换可以看做选用有低通性质的小波基h（k）和有高通性质的小波基g（k）分别对二维信号行方向和列方向两个一维函数的卷积。图像经过二维离散小波一次分解，产生四个子图像，即经过行低通列低通方向滤波的反映图像概貌信息的低频子图像、经过行低通列高通方向滤波的反映水平方向纹理信息的纬向子图像、经过行高通列低通方向滤波的反映垂直方向纹理信息的经向子图像、经过行高通列高通的反映对角线方向纹理信息的对角线子图像。

正交小波变换要求选取的小波基h（k）和g（k）满足正交性。Daubechies小波具有紧支撑的正交性和正则性，可以实现快速算法，因此检测过程中选用dbN小波系列。

3 特征参数提取

3.1 纹理特征值选取

织物纹理具有周期性、方向性、连续性等特征，检测过程中对图像提取的纹理特征值为熵和方差。

（1）熵

纹理熵表示纹理的粗糙度或纹理的非均匀程度，其定义如下：

其中Eh和Ev分别表示纬向和经向纹理熵值，而

其中Hij为像素点（i，j）的灰度值，M和N分别代表分块图像的高和宽。

（2）方差

织物纹理图像灰度值的方差反映了灰度分布的离散情况，其定义如下：

其中Hij为像素点（i，j）的灰度值，M和N分别代表分块图像的高和宽。

3.2 窗口分割

为了实现对疵点的精确定位，对小波分解后的经向子图像和纬向子图像进行分割，并计算每个分块的特征值，根据特征参数相对误差的波动范围判断特征值的异常，以此确定各个分块内是否存在疵点。如图1以640*640像素为例对经纬子图像进行分割。

图1 经纬子图像分割方法

4 疵点判别标准

由于熵和方差的计算绝对值级数较大且不是同一个数量级，波动范围也不相同，这样将待测织物的特征值与无疵点织物的特征值比较起来计算相对繁琐。

传统方法对特征值进行归一化处理，这样能够使特征值的波动范围被映射到一定空间，在比较无疵点图像与待测织物图像时有统一度量。对绝对特征值的归一化值X可表示为：

但是这种方法仅在判断疵点面积较大的图像时，效果较好，对于疵点面积较小的图像，其归一化相对特征值变化较小，传统方法不能进行准确判断。

为了提高织物疵点检测方法的精度，使算法同时适合疵点面积较大和疵点面积较小的图像，提出以标准图像与待测图像特征值的相对误差作为疵点是否存在的度量标准。相对误差能够准确反映待测图像特征值与清晰无疵点特征值之间的偏离程度，这种方法除了能将特征值的波动范围映射到一定空间，而且对图像纹理信息的变化较为敏感外，对于疵点面积小的织物图像也能进行准确判断。

为了缩小特征值的波动范围，对特征值的相对误差取绝对值，可表示为：

其中y为标准图像分块特征值，y1为待测图像分块特征值。

5 算法流程与仿真结果分析

工业纺织生产过程中最为常见的疵点有纬向、经向和区域类疵点。由纬纱形成或沿纬纱方向呈现的疵点叫纬向疵点，如断纬、缺纬等，如图2（b）所示。由经纱形成或沿经纱方向呈现的疵点叫经向疵点，如断经、缺经等如图2（c）所示。布面上所占部位较小或仅在一处易于计算尺寸数量的疵点叫区域类疵点，如破洞、油污等如图2（d）、图2（e）所示。

5.1 仿真实验流程

基于正交小波分解的织物疵点检测流程如图3所示。

5.2 仿真结果分析

选取断纬、缺经、油污、破洞四类常见疵点进行实验，以图2中存在疵点的4幅织物图像为例绘制特征值曲线。

采用传统的以特征值的相对指标作为判别疵点是否存在的标准。绘制相对特征值曲线如图5所示，其中横坐标代表经纬子图像窗口分割的分块，纵坐标为对应分块的相对特征值。

图2 原始织物图像

图3 基于正交小波分解的织物疵点检测流程图

图4 疵点图像归一化相对特征值曲线

图4（a）为含有纬向疵点的图像，纬向熵和方差相对特征曲线在疵点处有明显峰值，经向熵和方差相对特征曲线变化平缓；图4（b）为含有经向疵点的图像，纬向熵和方差特征相对曲线波动平缓，经向熵在疵点处出现峰值，方差特征相对曲线变化平缓；图4（c）为含有油污疵点的图像，纬向熵相对特征曲线在疵点处出现峰值，但是不明显，纬向方差、经向熵、经向方差相对特征曲线均出现明显波动。图4（d）为含有破洞疵点的图像，纬向熵、纬向方差、经向熵、经向方差相对特征曲线均出现明显波动。

采用特征值的相对误差作为判别疵点是否存在的标准，绘制特征值的相对误差曲线如图5所示。其中横坐标代表经纬子图像窗口分割的分块，纵坐标为对应分块的特征值相对误差。

图5 疵点图像特征值相对误差曲线

图5（a）为含有纬向疵点的图像，其纬向熵、方差的相对误差特征曲线，在疵点处出现明显峰值，经向熵相对误差曲线变化平缓，经向方差相对误差在疵点处出现明显峰值；图5（b）为含有经向疵点的图像，其纬向熵相对误差曲线变化平缓，纬向方差相对误差曲线在疵点处出现明显的峰值，经向熵、方差相对误差曲线在疵点处出现明显峰值；图5（c）为含有油污疵点的图像，其纬向熵、方差，经向熵、方差的相对误差特征曲线，在疵点处均出现明显的峰值；图5（d）为含有破洞疵点的图像，其纬向熵、方差，经向熵、方差的相对误差特征曲线，在疵点处均出现明显峰值。

通过图4和图5的对比发现：对于图4（a）、图5（a）绘制的纬向疵点的特征曲线，其纬向熵和纬向方差均能反映出疵点信息，由于经向分块中含有的疵点信息较少，故图4（a）绘制的纬向疵点的经向熵和经向方差曲线均不能在疵点处显示明显峰值。图5（a）绘制的经向熵曲线疵点处波动不明显，经向方差曲线在疵点处有明显峰值；在图4（b）-（d）绘制的经向疵点、油污和破洞的归一化特征曲线中，由于疵点面积较小，各分块包含的疵点信息较少，各特征曲线均不能在疵点处有明显波动。在图5（b）-（d）绘制的对应疵点图像的相对误差曲线均能在疵点处有明显峰值，而且方差的相对误差特征曲线比熵的相对误差特征曲线波动幅度更大。故相对误差比归一化相对特征值对织物纹理产生的疵点信息更敏感，尤其是在疵点信息较少的图像中，归一化的相对特征值不能体现织物纹理的突变信息并判断疵点存在的情况，相对误差则能根据波动范围对疵点是否存在进行准确判断。

6 结束语

提出一种基于正交小波分解的织物疵点检测方法对织物图像进行一层小波分解，分解后的子图像只分别经过经向和纬向的两次间隔采样，能够保留大部分疵点信息，计算量较小，检测速度较快，能够满足布匹实时检测的需求。而且提出的以标准图像与待测图像特征值的相对误差代替归一化相对特征值作为疵点是否存在的度量标准，能够达到更好的检测效果。

［1］ Sari-Sarraf H，Goddard Jr J S.Vision system for onloom fabric inspection［J］.Industry Applications，IEEE Transactions on，1999，35（6）：1252-1259.

［2］ Kumar A，Pang G K H.Defect detection in textured materials using Gabor filters［J］.Industry Applications，IEEE Transactions on，2002，38（2）：425-440.

［3］ 毕明德，孙志刚，李叶松，等.基于机器视觉的布匹疵点检测系统［J］.仪表技术与传感器，2012（12）：37-39.

［4］ 周帅，张凤生，李富才，等.基于小波变换的织物疵点图像特征提取［J］.青岛大学学报（工程技术版），2013（2）：53-59.

［5］ 甘亚辉，戴先中，李新德，等.小波边缘检测在焊缝图像处理中的应用［J］.华中科技大学学报（自然科学版），2008（S1）：65-67.

［6］ 祝双武，郝重阳.基于离散小波变换的织物疵点检测方法［J］.计算机工程与应用，2007，43（25）：111-113.

［7］ 李立轻，黄秀宝.基于织物自适应正交小波的疵点检测［J］.东华大学学报（自然科学版），2001，27（4）：82-87.

［8］ 卿湘运，段红，魏俊民，等.一种新的基于小波分析与神经网络的织物疵点检测与识别方法［J］.仪器仪表学报，2005，26（6）：618-622

Fabric Defect Detection Based on OrthonormalWavelet Decom position

Yang Ya，Xue Yuncan，Sha Wei，Ji Ling
（College of Internet of Things Engineering，Hohai University，Changzhou 213022，China）

In order to overcome such problems as heavy labor intensity，high false detecting rate，high misdetection rate of and low detection precision，caused by the traditional manual visual test，a method of the fabric defect detection，based on orthonormalwavelet decomposition，using the relative error of the extracted characteristic value as the standard for judging the defect instead of the relative characteristic value normalization，is described in this paper.The experimental results proves that themethod has a higher detection precision than the traditional one.

OrthonormalWavelet Decomposition；Fabric Defect Detection；Relative Error

10.3969/j.issn.1002-2279.2015.03.014

TP391

A

1002-2279（2015）03-0046-04

杨亚（1990-），女，河南信阳人，硕士研究生，主研方向：智能信息处理理论与技术。

2014-06-09