PDF《基于小波域差值系数的织物疵点分割与识别①》

2011 年第20 卷第10 期http://www.

c-s-a.org.cn 计算机系统应用Research and Development 研究开发

109 基于小波域差值系数的织物疵点分割与识别① 赵静,于凤芹 (江南大学 物联网工程学院,无锡 214122) 摘要:小波分解系数的织物疵点特征曲线容易受各层周期性噪声的影响,不能有效提取特征和定位疵点区域. 提出了小波域差值系数的织物疵点分割与识别方法.首先将小波分解后的水平和垂直高频系数与平滑系数相减, 除去周期性噪声,然后,分别提取水平和垂直差值系数熵、能量、方差曲线的最大值、均值及方差特征参数, 最后利用支持向量机进行分类识别.仿真实验表明,该方法不仅能对织物疵点区域进行有效定位和分割,且识 别率较直接提取小波系数特征的方法提高了 4.17%. 关键词:小波变换;

差值系数;

特征提取;

疵点检测;

分类 Fabric Defects Classification and Identification Based on the Subtracted Images of Wavelet Coefficients ZHAO Jing, YU Feng-Qin (Internet of Things Engineering, Jiangnan University, Wuxi 214122, China) Abstract: Fabric defect characteristic curves of the wavelet coefficients are vulnerable to periodic noise in all layers. It cannot effectively extract features and locate defects area. This paper proposed a method of feature extraction and defect segmentation based on the parameters of entropy, energy, variance curve of difference coefficient after wavelet transform. Firstly, it subtracts the horizontal and vertical high-frequency decomposition coefficients with the smoothing coefficients after wavelet transform, removes the periodic noise, extracts maximum, mean and deviation parameters from the curve difference horizontal and vertical coefficient. Then, it uses support vector machine to classify the extracted features. Simulation results show that the method can effectively locate and segement fabric defect region, and the recognition rate increased by 4.17% compared with the features extracted by wavelet coefficients. Key words: wavelet transform;

subtracted coefficients;

feature extraction;

defect detection;

classification

1 引言 织物疵点形态各异,种类繁多,研究分割精度高、 分类效果好的检测算法是一个急需解决的问题[1,2] . 小波多尺度分解下的水平和垂直高频系数能有效 去除织物图像的随机噪声和规则性纹理[3] ,但仍然存 在周期性噪声成份,直接利用这些系数得到的特征曲 线在非疵点区域的光滑性较差,不能有效定位和分割 出疵点区域.提出了一种基于小波域差值系数的织物 疵点特征提取及疵点分割方法.首先将小波分解后的 水平和垂直高频系数与平滑系数相减,并采用 1*1 的 分割窗口,绘出小波域水平和垂直方向的差值系数特 征曲线,然后提取由特征曲线的方差、最大值和均值 ① 收稿时间:2011-03-01;

收到修改稿时间:2011-03-25 的18 个特征参数组成的一组特征向量, 并求出正常织 物图像和带疵点织物图像的一系列特征值向量,最后 利用支持向量机的方法对提取的特征进行分类识别. 仿真实验分别对由正常织物图像和常见径向、纬向图 像及区域类疵点图像得到的大小为 84*18 的样本数据 进行训练和测试,结果表明小波域差值系数法得到的 特征曲线不仅对能织物疵点进行有效定位和分割,且 分类识别识别率比直接提取小波系数提高了 4.17%.

2 图像小波分解及多分辨率分析 图像 ) , ( y x f 是二维信号,在可分离情况下,分别 使用尺度函数 ) (