基于稀疏優(yōu)化的織物疵點檢測算法

劉洲峰， 閆 磊， 李春雷， 董 燕， 李 陽

(中原工學(xué)院 電子信息學(xué)院， 河南 鄭州 451191)

基于稀疏優(yōu)化的織物疵點檢測算法

劉洲峰， 閆 磊， 李春雷， 董 燕， 李 陽

(中原工學(xué)院 電子信息學(xué)院， 河南 鄭州 451191)

為提高稀疏表示方法對織物疵點的檢測精度，提出了基于稀疏優(yōu)化的織物疵點檢測算法。首先，利用L1范數(shù)最小化從待檢織物圖像中學(xué)習(xí)出自適應(yīng)字典庫，用該庫對織物圖像稀疏表示，進(jìn)而計算出稀疏表示系數(shù)矩陣；然后，對系數(shù)矩陣進(jìn)行優(yōu)化處理，采用字典庫及優(yōu)化系數(shù)矩陣對織物圖像稀疏重構(gòu)；最后，將重構(gòu)圖像與待檢織物圖像相減生成殘差圖像，用最大熵閾值方法對殘差圖像分割，定位出疵點區(qū)域。實驗結(jié)果表明，本文算法所重構(gòu)圖像準(zhǔn)確表示了正?？椢锛y理，相比已有檢測方法具有較高的疵點檢測精度。

L1范數(shù)； 稀疏表示； 織物圖像； 疵點檢測

織物疵點檢測是紡織品質(zhì)量控制和管理的一個關(guān)鍵環(huán)節(jié)，對織物疵點檢測與判別算法進(jìn)行研究具有重要的理論意義與應(yīng)用價值。已有疵點檢測方法分為特征提取和非特征提取2類[1-3]。特征提取方法從織物圖像的空域或頻域提取有效的織物特征或疵點特征，利用特征差異區(qū)分織物異常部分和正常織物紋理。空域方法包括鄰域信息[4-5]、灰度共生矩陣[6]和奇異值分解[7-8]等方法；頻域方法包括傅里葉變換[9]、小波變換[10-12]、Gabor變換[13-14]等方法。由于織物紋理和疵點的多樣性，造成所提取特征難以適應(yīng)不同種類的織物及疵點，非特征提取檢測方案中，Gabor濾波是最有效的方法[13-15]?！?br>