李春梅，郭廣慧

(西安工程大學 計算機科學學院，陜西 西安 710048)

基于顯著性區(qū)域的織物疵點檢測算法

李春梅，郭廣慧

(西安工程大學 計算機科學學院，陜西 西安 710048)

顯著性檢測運用到織物疵點檢測能夠體現(xiàn)織物檢測時的智能性?；陲@著性區(qū)域的織物疵點檢測方法主要是通過將空間關(guān)系和區(qū)域級對比結(jié)合到一起，首先將圖像分割成若干區(qū)域，然后計算區(qū)域級顏色對比度，再利用每個區(qū)域和其他區(qū)域的對比度加權(quán)和來為此區(qū)域定義顯著性值。權(quán)值由區(qū)域空間距離決定，較遠的區(qū)域分配較小的權(quán)值。實驗結(jié)果表明，該算法能夠很好地檢測織物疵點，且優(yōu)于其他算法。

織物疵點；顯著性；區(qū)域級對比

近年來，隨著計算機圖像處理和機器視覺的蓬勃發(fā)展，顯著性檢測越來越受到人們的青睞，被廣泛地應(yīng)用到計算機視覺的各個方面，如保持內(nèi)容的圖像縮放，自適應(yīng)的圖像壓縮和圖像分割等?？椢锉砻娲命c檢測是影響紡織品質(zhì)量與價格的重要因素。國內(nèi)部分紡織企業(yè)在生產(chǎn)過程中，還在使用人工檢測方法檢測疵點，存在著檢測速度和精度有限，檢測結(jié)果缺乏一致性與客觀性等諸多弊端[1]。

視覺顯著性是視覺系統(tǒng)感受視覺刺激強弱的一種表現(xiàn)，顯著圖是視覺顯著性的直接表示，通過視覺認知機制將視覺特征信息融合可獲得視覺顯著圖。人們能夠很容易地判斷視覺顯著性區(qū)域，同時忽略非顯著性區(qū)域。在織物的疵點檢測中，由于可以通過檢測疵點的顯著性區(qū)域來優(yōu)先分配圖像分析和合成所需的計算資源，所以通過計算來檢測織物疵點顯著性區(qū)域的意義更大[2]。

1 顯著性區(qū)域檢測算法

當人們在觀察一幅圖像時，首先注意到的是圖像自身與周圍物體對比度非常大的區(qū)域。除了對比度外，空間關(guān)系對于人們的注意也有很重要的意義?；趨^(qū)域?qū)Ρ榷鹊娘@著性檢測方法是將空間關(guān)系和區(qū)域級對比結(jié)合到一起，其算法思路首先是將圖像分割成若干區(qū)域，然后計算區(qū)域及顏色的對比度，再利用每個區(qū)域和其他區(qū)域的對比度加權(quán)和來為此區(qū)域定義顯著性值。權(quán)值由區(qū)域空間距離決定，較遠的區(qū)域分配較小的權(quán)值。

1.1 用稀疏直方圖比較來計算區(qū)域?qū)Ρ榷?/p>

首先，把輸入的圖像分成若干區(qū)域，對每個區(qū)域建立顏色直方圖，對于每個區(qū)域的顯著性值我們通過測量它與其他區(qū)域的顏色對比度來計算，如公式(1)：

(1)

其中，S(rk)為區(qū)域rk的顯著性值，w(rk)為區(qū)域ri的權(quán)值，Dr(rk,rk)為兩個區(qū)域的顏色距離度量。

兩個區(qū)域r1和r2之間的距離為:

(2)

其中，Dr(r1，r2)是兩個區(qū)域r1和r2之間的距離，f(ck,i)為第i個顏色ck在第k個區(qū)域rk的所有nk種顏色中出現(xiàn)的概率，k={1,2}。這里所使用的區(qū)域概率密度函數(shù)中顏色出現(xiàn)概率作為權(quán)值以強調(diào)主要顏色之間的區(qū)別。

因為每個區(qū)域只包含圖像直方圖中很少數(shù)目的顏色，所以為每個區(qū)域存儲和計算常規(guī)矩陣形式的直方圖是低效的，因此，采用稀疏直方圖來使得計算和存儲更加高效。

1.2 空間加權(quán)區(qū)域?qū)Ρ?/p>

為了更好地計算出顯著性圖，我們把空間信息引入進來，以增加區(qū)域空間的影響效果。

近鄰的區(qū)域增大影響，較遠的區(qū)域減小影響。對于任意區(qū)域rk的顯著性定義為：

(3)

2 實驗結(jié)果與分析

采用CPU主頻為2.67GHz，內(nèi)存為4G的計算機作為實驗環(huán)境，選用不同類型的疵點為實驗樣本進行實驗，將實驗結(jié)果與顯著性檢測LC[3]、FT[4]、AC[5]方法進行對比，其結(jié)果如圖1所示。

圖1 實驗結(jié)果對比圖

在圖1中，(a)是幾幅典型織物疵點圖像。(b)是用基于FT的顯著性檢測算法所得的結(jié)果，可以看到，基本上都可以檢測出織物疵點，還檢測出一部分背景紋理信息，但是總體來說顯著性效果要優(yōu)于LC算法

和AC算法。(c)是用基于LC的顯著性檢測算法所得到的結(jié)果，可以看到有背景紋理被檢測出來，顯著性效果不明顯。(d)是用基于AC的顯著性檢測算法所得的結(jié)果，其檢測效果最差，特別是第4行的油污疵點，檢測效果最差，把背景誤檢成疵點。(e)是顯著性檢測算法，效果要優(yōu)于其他3種常見的顯著性檢測算法，能很好地檢測出織物疵點，剔除背景紋理，實現(xiàn)優(yōu)良的檢測結(jié)果；但是第3行的疵點是對因光照強度影響留下的疵點陰影誤檢造成的。

3 結(jié)語

采用織物疵點顯著性檢測方法替代人工檢測方法，可有效克服檢測速度和精度有限、檢測結(jié)果缺乏一致性與客觀性等諸多弊端。該算法與其他顯著性檢測算法進行比較，檢測效果明顯優(yōu)于其他主流的顯著性檢測算法，該算法能夠很好地消除背景紋理對織物疵點檢測的影響。

[1] 郭仙草.基于織物表面疵點的特征提取算法研究[D].西安：西安工程大學.2014.

[2]CHENGMM,ZHANGGX,MITRANJ,etal.Globalcontrastbasedsalientregiondetection[C]//ComputerVisionandPatternRecognition.IEEE, 2015:409-416.

[3]ACHANTAR,HEMAMIS,ESTRADAF,etal.Frequency-tunedsalientregiondetection[C]//ComputerVisionandPatternRecognition.IEEE, 2009:1 597-1 604.

[4]ACHANTAR,ESTRADAF,WILSP,etal.Salientregiondetectionandsegmentation[J].ComputerVisionSystems. 2008:66-75.

[5] 李春雷，張兆祥，劉洲峰，等.基于紋理差異視覺顯著性的織物疵點檢測算法[J].山東大學學報(工學版),2014,44(4):1-9.

Fabric Defect Detection Algorithm Based on Salient Region

LI Chun-mei, GUO Guang-hui

(Computer Science College, Xi'an Polytechnic University, Xi'an 710048, China)

The application of saliency detection to fabric defect detection could reflect the intelligence when fabric was detected. The method of fabric defect detection based on salient region was mainly through the combination of spatial relation and regional comparison. The image was divided into several areas, and regional color contrast was calculated. The contrast weighting sum of each region and other regions were used to define the significance value for this region. The weights were determined by the spatial distance of the region, and the farther regions had smaller weights. Experimental results showed that the algorithm could well detect the fabric defects and it was better than other algorithms.

fabric defect; saliency; regional comparison

2017-03-17；

2017-03-28

李春梅(1990-)，女，陜西西安人，碩士研究生在讀，研究方向為智能信息處理和圖像處理，E-mail：985422213@qq.com。

TS101.9

A

1673-0356(2017)05-0032-02