基于裂變粒子濾波算法的織物圖像疵點檢測研究

丁 燕，閆治宇

（黃河水利職業技術學院，河南開封 475004）

在紡織制造業中，織物出現疵點會嚴重影響布匹的質量，最終導致產品滯銷。人工檢測時受到織物疵點大小及出現頻率等因素影響，易造成誤檢和漏檢，因此實現自動檢測織物疵點是提高紡織行業產品競爭力的重要措施之一［1］。

目前智能算法研究主要有：卡爾曼濾波（Kalman Filter，KF）通過遞推方式從觀測信息中求出被估量，適用于平穩與非平穩的圖像噪聲過程，但是只能處理高斯分布噪聲［2］；小波變換（Wavelet Transform，WT）通過小波分解對噪聲圖像進行時頻分解和盲源分離［3］，但是若噪聲強度大會使信噪比輸出降低；均值濾波（Mean Filtering，MF）屬于線性濾波的一種，計算比較簡單［4］，但是不能很好地保護圖像細節，對圖像邊緣的處理效果比較差；粒子濾波（Particle Filter，PF）通過蒙特卡羅重要性抽樣獲得最優估算［5］，但是采樣后期粒子會產生枯竭現象，并且粒子權值的方差會變大，產生較大的誤差；正則化粒子濾波（Regularized Particle Filter，RPF）通過核函數代替離散粒子的加權和［6］，利用連續函數代替后驗概率密度，避免了重采樣算法產生粒子多樣性下降的問題；輔助粒子濾波（Auxiliary Particle Filter，APF）通過輔助變量觀測當前信息［7］，設法將粒子向似然函數的峰值區域轉移；似然粒子濾波（Likelihood Particle Filter，LPF）可以在弱觀測噪聲條件下，比先驗轉移概率密度更接近于目標后驗密度［8］。

本實驗在粒子濾波的基礎上，采用裂變粒子濾波算法（Fission Particle Filter，FPF）對織物進行圖像疵點檢測，通過分類復制算法對粒子進行選擇，大權值的粒子能夠裂變生成更多的粒子，種群中適應度值較大的個體數量能夠快速增加，通過預測、更新兩個步驟對織物圖像進行像素點消噪，疵點區域通過最佳閾值進行分割。……