基于視覺(jué)顯著模型和支持向量機(jī)的織物瑕疵檢測(cè)方法.pdf

1、織物瑕疵是影響紡織品生產(chǎn)效率和質(zhì)量的關(guān)鍵因素，傳統(tǒng)瑕疵檢測(cè)主要依靠人工視覺(jué)檢測(cè)。隨著機(jī)器視覺(jué)、圖像處理、模式識(shí)別等技術(shù)的迅速發(fā)展，工業(yè)自動(dòng)化檢測(cè)代替?zhèn)鹘y(tǒng)人工視覺(jué)檢測(cè)成為一種必然的趨勢(shì)。自動(dòng)檢測(cè)技術(shù)能夠大大提高檢測(cè)的精度和效率，因此研究織物瑕疵自動(dòng)檢測(cè)技術(shù)具有重要的實(shí)際應(yīng)用價(jià)值。
　　鑒于人眼能夠準(zhǔn)確快速地從視野中提取較為顯著的目標(biāo)，本文以此為出發(fā)點(diǎn)，研究了一種基于視覺(jué)顯著模型與支持向量機(jī)的織物瑕疵檢測(cè)方法。
　　首先，通過(guò)建

2、立視覺(jué)顯著模型生成織物圖像的視覺(jué)顯著圖，并對(duì)顯著區(qū)域進(jìn)行分割。本文根據(jù)人眼視覺(jué)系統(tǒng)的構(gòu)成、視覺(jué)注意機(jī)制形成的基本原理，構(gòu)建了基于 Itti模型的視覺(jué)顯著模型，從而得出織物圖像的視覺(jué)綜合顯著圖。然后利用 Otsu法對(duì)綜合顯著圖進(jìn)行二值化分割，得到視覺(jué)顯著區(qū)域。
　　然后，在分析視覺(jué)綜合顯著圖的基礎(chǔ)上，實(shí)現(xiàn)有瑕疵圖像和無(wú)瑕疵圖像的判定。本文創(chuàng)新性地提出了全局顯著關(guān)聯(lián)值、背景區(qū)域顯著關(guān)聯(lián)值兩個(gè)顯著性特征，以體現(xiàn)織物綜合顯著圖的顯著性分布

3、特點(diǎn)。并將此二維特征輸入 SVM，實(shí)現(xiàn)有瑕疵圖像和無(wú)瑕疵圖像的判定。
　　為了實(shí)現(xiàn)不同瑕疵圖像的分類(lèi)識(shí)別，需先對(duì)其進(jìn)行特征提取與選擇。本文以類(lèi)間距離與類(lèi)內(nèi)距離的比值為標(biāo)準(zhǔn)，對(duì)有瑕疵圖像的幾何、紋理、顯著性等特征進(jìn)行評(píng)價(jià)，選擇出實(shí)現(xiàn)分類(lèi)的最優(yōu)特征組合。
　　最后利用多分類(lèi)器對(duì)織物瑕疵進(jìn)行分類(lèi)。本文選用一對(duì)一投票策略將二類(lèi) SVM擴(kuò)展成多類(lèi)SVM，并將最優(yōu)特征組合歸一化后送入此分類(lèi)器，實(shí)現(xiàn)瑕疵圖像的分類(lèi)。
　　實(shí)驗(yàn)結(jié)果表明