基于字典學(xué)習(xí)的機(jī)織物瑕疵自動(dòng)檢測(cè)研究.pdf

1、紡織品表面瑕疵對(duì)最終成品的質(zhì)量及價(jià)格有著直接的影響，進(jìn)行有效的瑕疵檢測(cè)對(duì)現(xiàn)代紡織企業(yè)的質(zhì)量管理、成本控制及產(chǎn)品競(jìng)爭(zhēng)力的提升都具有重要意義。當(dāng)前，國(guó)內(nèi)幾乎所有紡織企業(yè)仍然采用傳統(tǒng)的人工驗(yàn)布方式進(jìn)行機(jī)織物瑕疵檢測(cè)，由于受人生理特征的限制，傳統(tǒng)的人工驗(yàn)布方式所提供的檢測(cè)速度、精度和檢測(cè)結(jié)果一致性難以滿足現(xiàn)代大規(guī)模生產(chǎn)需求。作為工業(yè)領(lǐng)域的一個(gè)重要應(yīng)用，基于計(jì)算機(jī)視覺(jué)的織物瑕疵自動(dòng)檢測(cè)系統(tǒng)憑借其天然的優(yōu)勢(shì)成為了人工驗(yàn)布的理想替代方案，該系統(tǒng)不僅能

2、為客觀、穩(wěn)定、高效的織物瑕疵檢測(cè)提供很好的保障，而且順應(yīng)了紡織產(chǎn)業(yè)自動(dòng)化、智能化的發(fā)展趨勢(shì)。
　　本文的研究重點(diǎn)就是設(shè)計(jì)有實(shí)用價(jià)值的基于計(jì)算機(jī)視覺(jué)的機(jī)織物自動(dòng)瑕疵檢測(cè)算法。檢測(cè)算法作為織物瑕疵自動(dòng)檢測(cè)系統(tǒng)的核心，其基本設(shè)計(jì)思路就是通過(guò)分析正常織物紋理與瑕疵紋理的異同，根據(jù)一定的區(qū)分原則將對(duì)應(yīng)于瑕疵區(qū)域的像素點(diǎn)從織物圖像中自動(dòng)地識(shí)別出來(lái)。通常情況下，檢測(cè)算法主要包括特征提取和分類器設(shè)計(jì)兩個(gè)階段，特征提取就是尋找能夠?qū)φ？椢锛y理進(jìn)行

3、有效描述或表征，同時(shí)又對(duì)瑕疵紋理敏感的鑒別性特征;分類器設(shè)計(jì)一般通過(guò)對(duì)具體分類問(wèn)題進(jìn)行分析學(xué)習(xí)，從而對(duì)所提取的特征進(jìn)行有效分類，達(dá)到區(qū)分正常紋理與瑕疵紋理的目的。然而，這種基于特征提取的檢測(cè)算法往往會(huì)面臨特征選取問(wèn)題，很難保證當(dāng)前所選特征的最優(yōu)性。這主要是因?yàn)殍Υ妙愋驮谕庥^形貌上具有很強(qiáng)的隨機(jī)性和不可預(yù)測(cè)性，實(shí)踐中也無(wú)法通過(guò)收集所有潛在瑕疵類型進(jìn)行算法訓(xùn)練，即無(wú)法將全面的負(fù)樣本（瑕疵樣本）引入算法訓(xùn)練過(guò)程進(jìn)行參數(shù)優(yōu)化。
　　為了能

4、更有效地設(shè)計(jì)檢測(cè)算法，通過(guò)對(duì)已有研究成果“去粗取精”的分析，在深刻理解織物紋理自身特征的基礎(chǔ)上，作者認(rèn)識(shí)到采用間接模板匹配是一個(gè)較為理想的瑕疵檢測(cè)方案，而對(duì)正?？椢锛y理特征進(jìn)行有效的描述或表達(dá)是應(yīng)用模板匹配方案進(jìn)行瑕疵檢測(cè)的必要前提。為此，本文從對(duì)織物紋理在空間域上進(jìn)行近似表達(dá)這一全新的思路出發(fā)，首先采用字典學(xué)習(xí)方法對(duì)織物圖像進(jìn)行近似表達(dá)，在此基礎(chǔ)上，再以模板匹配為指導(dǎo)思路進(jìn)行瑕疵檢測(cè)算法設(shè)計(jì)。這樣一來(lái)，便可以將原本復(fù)雜的瑕疵檢測(cè)問(wèn)題轉(zhuǎn)

5、化為一個(gè)模板匹配問(wèn)題進(jìn)行解決，不僅能很好地繞開特征選取問(wèn)題，而且可使算法的檢測(cè)性能不依賴于瑕疵類型和織物紋理，從而大大提高了算法的適應(yīng)性。論文具體的研究?jī)?nèi)容分八章進(jìn)行論述，其各章的中心內(nèi)容如下:
　　第1章為緒論，著重介紹了論文的研究背景與意義，分析了課題組在此領(lǐng)域已取的研究成果及不足，交代了論文研究思路和內(nèi)容。
　　第2章為文獻(xiàn)綜述。首先對(duì)論文所涉及學(xué)科的基本概念進(jìn)行了介紹，然后以瑕疵檢測(cè)算法的策略為分類依據(jù)，將所涉及的檢

6、測(cè)方法分為基于特征提取與非特征提取兩種方案，進(jìn)而對(duì)近20年來(lái)與瑕疵相關(guān)的文獻(xiàn)進(jìn)行綜述，并就與本論文相關(guān)的算法進(jìn)行重點(diǎn)介紹與分析，最后對(duì)現(xiàn)有研究工作進(jìn)行總結(jié)與評(píng)價(jià)。
　　第3章首先分析總結(jié)了前人的研究工作和瑕疵檢測(cè)的難點(diǎn)，接著在深刻理解瑕疵檢測(cè)問(wèn)題的基礎(chǔ)上，對(duì)論文提出的采用間接模板匹配的瑕疵檢測(cè)方法與思路進(jìn)行闡述，通過(guò)對(duì)主元分析的低維近似原理進(jìn)行分析與試驗(yàn)，最后引入更具有一般性的字典學(xué)習(xí)方法對(duì)織物圖像在空間域上進(jìn)行近似表達(dá)，同時(shí)也對(duì)

7、其表達(dá)織物紋理的可行性進(jìn)行了實(shí)驗(yàn)驗(yàn)證。
　　第4章詳細(xì)介紹了論文所提出的一種基于字典學(xué)習(xí)的無(wú)監(jiān)督織物瑕疵檢測(cè)算法。所提出的算法為無(wú)監(jiān)督類型，直接在待檢測(cè)織物圖像上進(jìn)行字典學(xué)習(xí)。通過(guò)選取合適大小的字典，正常織物紋理可以得到很好地近似，但不能很好地近似有瑕疵紋理。這樣，瑕疵區(qū)域可以通過(guò)將原圖像與近似后的圖像的灰度相差得到突出，再采用閾值法進(jìn)行瑕疵分割，便可以達(dá)到檢測(cè)瑕疵的目的。為了適應(yīng)更多如線性瑕疵等不易檢測(cè)的瑕疵，論文還提出了基于圖

8、像旋轉(zhuǎn)和線性投影的改進(jìn)方案。對(duì)20個(gè)數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果表明，檢出率為87.3％，誤檢率為8.8％。與傅立葉重構(gòu)方法相比，所提的無(wú)監(jiān)督算法對(duì)織物紋理與瑕疵類型都有較好的適應(yīng)性，檢測(cè)精度上也略有優(yōu)勢(shì)，這也進(jìn)一步證實(shí)了所提算法的有效性。
　　第5章詳細(xì)介紹了論文所提出的另一種基于字典學(xué)習(xí)的半監(jiān)督織物瑕疵檢測(cè)算法。該算法在圖像子窗口基礎(chǔ)上進(jìn)行瑕疵檢測(cè)，但并不試圖直接在上面進(jìn)行特征提取，而是先采用字典學(xué)習(xí)方法對(duì)其進(jìn)行近似表達(dá)，然后在對(duì)原圖像樣

9、本近似后的基礎(chǔ)上進(jìn)行相似度特征提取，并采用先進(jìn)的支持向量數(shù)據(jù)描述作為單分類器進(jìn)行瑕疵檢測(cè)。所提算法與模板匹配方法類似，但通過(guò)學(xué)習(xí)字典對(duì)子窗口樣本的近似來(lái)獲取匹配所用的自適應(yīng)模板，無(wú)須考慮模板的選擇與對(duì)齊問(wèn)題。如此，便可以在更為合理的模板匹配基礎(chǔ)上進(jìn)行瑕疵鑒別，使得所提算法的檢測(cè)性能并不依賴于瑕疵類型，而是取決于瑕疵所帶的異常程度。論文還針對(duì)字典大小選取問(wèn)題，提出一種經(jīng)驗(yàn)的選取方法。對(duì)20個(gè)數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果表明，所提出的半監(jiān)督算法能在誤檢

10、率為1.9％下取得95.5％的檢出率。
　　第6章著重對(duì)第5章中所提出的半監(jiān)督算法的學(xué)習(xí)字典進(jìn)行了分析與推廣，具體對(duì)正交字典、非負(fù)字典和稀疏字典進(jìn)行了研究。文中針對(duì)算法的實(shí)時(shí)性問(wèn)題，通過(guò)對(duì)半監(jiān)督算法計(jì)算復(fù)雜度進(jìn)行分析，發(fā)現(xiàn)采用正交字典能大大減少計(jì)算復(fù)雜度。此外考慮到未來(lái)研究的需要，同時(shí)將正交字典、非負(fù)字典與稀疏字典進(jìn)行了研究與實(shí)驗(yàn)驗(yàn)證，實(shí)驗(yàn)結(jié)果表明稀疏字典的檢測(cè)精度最佳，但正交字典在實(shí)時(shí)性和檢測(cè)精度上的綜合性能最佳，是一個(gè)較為理想

11、的實(shí)時(shí)檢測(cè)算法。
　　第7章對(duì)第6章所提的采用正交字典的半監(jiān)督算法進(jìn)行了實(shí)時(shí)實(shí)現(xiàn)的實(shí)踐。首先對(duì)課題組自行研發(fā)的織物瑕疵實(shí)時(shí)檢測(cè)平臺(tái)進(jìn)行了簡(jiǎn)單介紹，然后從硬件和軟件兩方面，對(duì)平臺(tái)所涉及的硬件參數(shù)的計(jì)算方法、算法的實(shí)時(shí)性分析及算法的具體實(shí)現(xiàn)過(guò)程進(jìn)行了詳細(xì)的闡述，最后在實(shí)時(shí)檢測(cè)平臺(tái)上對(duì)所提的采用正交字典的半監(jiān)督算法進(jìn)行實(shí)時(shí)檢測(cè)實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，算法能在30m/min速度下實(shí)現(xiàn)織物的實(shí)時(shí)檢測(cè)，取得的檢出率為89％，誤檢率為3.9％。

12、r>　　第8章是本文的結(jié)論與展望。簡(jiǎn)要回顧了本文的研究，并對(duì)本文的研究成果及不足進(jìn)行了總結(jié)，同時(shí)給出了未來(lái)研究工作的重點(diǎn)。
　　本文的主要貢獻(xiàn)有:
　　(1)以對(duì)機(jī)織物圖像在空間域上進(jìn)行近似表達(dá)為出發(fā)點(diǎn)，提出了采用間接模板匹配的織物瑕疵檢測(cè)思路。該檢測(cè)思路不僅可以很好地繞開常規(guī)基于特征提取檢測(cè)思路所面臨的特征選取問(wèn)題，而且可以將復(fù)雜的瑕疵檢測(cè)問(wèn)題變?yōu)橐粋€(gè)模板匹配問(wèn)題進(jìn)行解決，從而在理論上保證的所設(shè)計(jì)算法的適用性。此外，由于模

13、板匹配檢測(cè)思路更符合計(jì)算機(jī)區(qū)分瑕疵的邏輯，這將是一個(gè)非常有潛力研究方向。論文提出的這一檢測(cè)思路為機(jī)織物瑕疵自動(dòng)檢測(cè)的產(chǎn)業(yè)化應(yīng)用提供了理論和實(shí)驗(yàn)的指導(dǎo)。
　　(2)結(jié)合織物紋理的周期性特征及字典學(xué)習(xí)對(duì)織物紋理表達(dá)上的靈活性，提出了一種基于字典學(xué)習(xí)的無(wú)監(jiān)督織物瑕疵檢測(cè)算法。針對(duì)線性瑕疵檢測(cè)效果不佳，提出了基于圖像旋轉(zhuǎn)和基于線性投影的改進(jìn)方案。同時(shí)還設(shè)計(jì)了相應(yīng)的代價(jià)函數(shù)對(duì)最優(yōu)字典大小進(jìn)行自動(dòng)優(yōu)選。所提算法為無(wú)監(jiān)督類型，可以沒(méi)有任何先驗(yàn)知

14、識(shí)的情況下完成瑕疵的自動(dòng)檢測(cè)，適合于訓(xùn)練樣本缺乏或一致性較差的場(chǎng)合。
　　(3)針對(duì)無(wú)監(jiān)督算法在實(shí)時(shí)性方面的不足，提出了一種基于字典學(xué)習(xí)的半監(jiān)督織物瑕疵檢測(cè)算法。所提算法采用子窗口檢測(cè)策略，但并不試圖直接在子窗口上面進(jìn)行特征提取，而是先應(yīng)用學(xué)習(xí)字典對(duì)其進(jìn)行近似表達(dá)，然后在近似圖像與原圖像匹配的基礎(chǔ)上進(jìn)行瑕疵鑒別。論文引入了支持向量描述算法作為單分類器對(duì)所提取的相似度特征進(jìn)行分類。由于所提算法是在更為合理的模板匹配基礎(chǔ)上進(jìn)行，使得算