基于显著性区域的织物疵点检测算法

李春梅，郭广慧

(西安工程大学 计算机科学学院，陕西 西安 710048)

基于显著性区域的织物疵点检测算法

李春梅，郭广慧

(西安工程大学 计算机科学学院，陕西 西安 710048)

显著性检测运用到织物疵点检测能够体现织物检测时的智能性。基于显著性区域的织物疵点检测方法主要是通过将空间关系和区域级对比结合到一起，首先将图像分割成若干区域，然后计算区域级颜色对比度，再利用每个区域和其他区域的对比度加权和来为此区域定义显著性值。权值由区域空间距离决定，较远的区域分配较小的权值。实验结果表明，该算法能够很好地检测织物疵点，且优于其他算法。

织物疵点；显著性；区域级对比

近年来，随着计算机图像处理和机器视觉的蓬勃发展，显著性检测越来越受到人们的青睐，被广泛地应用到计算机视觉的各个方面，如保持内容的图像缩放，自适应的图像压缩和图像分割等。织物表面疵点检测是影响纺织品质量与价格的重要因素。国内部分纺织企业在生产过程中，还在使用人工检测方法检测疵点，存在着检测速度和精度有限，检测结果缺乏一致性与客观性等诸多弊端[1]。

视觉显著性是视觉系统感受视觉刺激强弱的一种表现，显著图是视觉显著性的直接表示，通过视觉认知机制将视觉特征信息融合可获得视觉显著图。人们能够很容易地判断视觉显著性区域，同时忽略非显著性区域。在织物的疵点检测中，由于可以通过检测疵点的显著性区域来优先分配图像分析和合成所需的计算资源，所以通过计算来检测织物疵点显著性区域的意义更大[2]。

1 显著性区域检测算法

当人们在观察一幅图像时，首先注意到的是图像自身与周围物体对比度非常大的区域。除了对比度外，空间关系对于人们的注意也有很重要的意义。基于区域对比度的显著性检测方法是将空间关系和区域级对比结合到一起，其算法思路首先是将图像分割成若干区域，然后计算区域及颜色的对比度，再利用每个区域和其他区域的对比度加权和来为此区域定义显著性值。权值由区域空间距离决定，较远的区域分配较小的权值。

1.1 用稀疏直方图比较来计算区域对比度

首先，把输入的图像分成若干区域，对每个区域建立颜色直方图，对于每个区域的显著性值我们通过测量它与其他区域的颜色对比度来计算，如公式(1)：

(1)

其中，S(rk)为区域rk的显著性值，w(rk)为区域ri的权值，Dr(rk,rk)为两个区域的颜色距离度量。

两个区域r1和r2之间的距离为:

(2)

其中，Dr(r1，r2)是两个区域r1和r2之间的距离，f(ck,i)为第i个颜色ck在第k个区域rk的所有nk种颜色中出现的概率，k={1,2}。这里所使用的区域概率密度函数中颜色出现概率作为权值以强调主要颜色之间的区别。

因为每个区域只包含图像直方图中很少数目的颜色，所以为每个区域存储和计算常规矩阵形式的直方图是低效的，因此，采用稀疏直方图来使得计算和存储更加高效。

1.2 空间加权区域对比

为了更好地计算出显著性图，我们把空间信息引入进来，以增加区域空间的影响效果。

近邻的区域增大影响，较远的区域减小影响。对于任意区域rk的显著性定义为：

(3)

2 实验结果与分析

采用CPU主频为2.67GHz，内存为4G的计算机作为实验环境，选用不同类型的疵点为实验样本进行实验，将实验结果与显著性检测LC[3]、FT[4]、AC[5]方法进行对比，其结果如图1所示。

图1 实验结果对比图

在图1中，(a)是几幅典型织物疵点图像。(b)是用基于FT的显著性检测算法所得的结果，可以看到，基本上都可以检测出织物疵点，还检测出一部分背景纹理信息，但是总体来说显著性效果要优于LC算法

和AC算法。(c)是用基于LC的显著性检测算法所得到的结果，可以看到有背景纹理被检测出来，显著性效果不明显。(d)是用基于AC的显著性检测算法所得的结果，其检测效果最差，特别是第4行的油污疵点，检测效果最差，把背景误检成疵点。(e)是显著性检测算法，效果要优于其他3种常见的显著性检测算法，能很好地检测出织物疵点，剔除背景纹理，实现优良的检测结果；但是第3行的疵点是对因光照强度影响留下的疵点阴影误检造成的。

3 结语

采用织物疵点显著性检测方法替代人工检测方法，可有效克服检测速度和精度有限、检测结果缺乏一致性与客观性等诸多弊端。该算法与其他显著性检测算法进行比较，检测效果明显优于其他主流的显著性检测算法，该算法能够很好地消除背景纹理对织物疵点检测的影响。

[1] 郭仙草.基于织物表面疵点的特征提取算法研究[D].西安：西安工程大学.2014.

[2]CHENGMM,ZHANGGX,MITRANJ,etal.Globalcontrastbasedsalientregiondetection[C]//ComputerVisionandPatternRecognition.IEEE, 2015:409-416.

[3]ACHANTAR,HEMAMIS,ESTRADAF,etal.Frequency-tunedsalientregiondetection[C]//ComputerVisionandPatternRecognition.IEEE, 2009:1 597-1 604.

[4]ACHANTAR,ESTRADAF,WILSP,etal.Salientregiondetectionandsegmentation[J].ComputerVisionSystems. 2008:66-75.

[5] 李春雷，张兆祥，刘洲峰，等.基于纹理差异视觉显著性的织物疵点检测算法[J].山东大学学报(工学版),2014,44(4):1-9.

Fabric Defect Detection Algorithm Based on Salient Region

LI Chun-mei, GUO Guang-hui

(Computer Science College, Xi'an Polytechnic University, Xi'an 710048, China)

The application of saliency detection to fabric defect detection could reflect the intelligence when fabric was detected. The method of fabric defect detection based on salient region was mainly through the combination of spatial relation and regional comparison. The image was divided into several areas, and regional color contrast was calculated. The contrast weighting sum of each region and other regions were used to define the significance value for this region. The weights were determined by the spatial distance of the region, and the farther regions had smaller weights. Experimental results showed that the algorithm could well detect the fabric defects and it was better than other algorithms.

fabric defect; saliency; regional comparison

2017-03-17；

2017-03-28

李春梅(1990-)，女，陕西西安人，硕士研究生在读，研究方向为智能信息处理和图像处理，E-mail：985422213@qq.com。

TS101.9

A

1673-0356(2017)05-0032-02