基于圖像校正和模板分割的紡織品瑕疵檢測

馬明寅 ,狄 嵐,2* ,梁久禎

（1.江南大學人工智能與計算機學院，無錫，214122；2.道路交通安全公安部重點實驗室,無錫，214151；3.常州大學信息科學與工程學院，常州，213164）

在紡織品的生產過程中，質量的控制與檢測非常重要.目前，由于人工手動操作檢測瑕疵是大多數工廠的檢驗方式.但這種方式工作強度過大，缺乏客觀性，受外界干擾的因素較多，效率較低，檢驗的錯誤率也較高.人力成本的提升使生產自動化越來越受到人們的關注.紡織品大致可以分為純色的無圖案紡織品與有圖案的紡織品.無圖案的紡織品，樣式樸素，沒有復雜的花紋，常為平紋和斜紋；有圖案的紡織品，結構復雜，包含復雜的圖案，大部分含圖案的紡織品都具有水平與垂直方向上的周期變化特性，瑕疵的類型較多.本文主要研究針對圖案含有復雜周期性變化的紡織品的瑕疵檢測.

現階段對于紡織品瑕疵檢測的方法主要分為統計學方法［1-3］、光譜的方法［4-6］、模型的方法［7-8］、學習的方法［9-10］和結構的方法［11］.而其中布林線波段法（Bollinger Bands，BB）［12］、正則帶法（Regular Bands，RB）［13］、Elo 評分方法（Elo Rating，ER）［14］、基于小波預處理的黃金圖像減法（Wavelet preprocessed Golden Image Subtraction，WGIS）［15］和基于模板校正的方法（Templatebased Correction，TC）［16］，處于目前該領域研究的領先地位.

在圖像校正的領域中，趙卓等［17］在2004 年針對性建立了在視覺增強環境下校正圖像的模型，并提出利用邊緣檢測進行自動校正的方法；之后胡東紅等［18］在2009 年介紹了透視變換和控制點變換兩種圖像校正方法，分析了兩種方法的特點和差異，并討論了兩種方法在實際情況中的應用，得出了在復雜情況下透視變換的校正效果好于控制點變換的結論；……