针对周期性纹理背景影响织物缺陷检测效果的问题,提出了一种基于粗糙度测量和颜色距离的织物缺陷检测方法。该方法先将待检测图像由RGB颜色空间转换到HSV颜色空间,并分别对三通道进行同态滤波处理,以提升缺陷与背景之间的对比度;利用粗糙度测量对织物图像进行分类,并将同一类别的织物图像分成大小相同且互不重叠的图像分块,分别估计各个图像分块与其八邻域图像分块的颜色距离,从而实现对缺陷的粗定位;最后对粗定位图像分块进行显著性和二值化处理,有效减少了周期性纹理背景对检测结果的影响。实验结果表明:与近期4种方法相比,本文方法对周期性纹理织物图像表现出了较好的检测效果,检测准确率更高。

针对印花织物颜色丰富、花纹多变、错花缺陷检测困难等问题,提出了一种基于黄金图像减法(GIS)与傅里叶变换位移定理(FTDT)曲线匹配算法相结合的方法,实现了印花织物错花缺陷的检测。对印花织物图像进行高斯滤波,以消除噪声对缺陷检测结果的影响;利用GIS实现对待检测图像的匹配,并分割出缺陷区域;针对错花类型的疵点,运用基于FTDT的曲线匹配算法计算出错花的相对偏移量。实验结果表明,该算法不仅能准确分割出缺陷区域,对疵点细节信息保留得较好,而且能精确得到错花的相对偏移量,对工业生产具有一定的指导意义。

针对布匹瑕疵检测存在的有效性不高、实时性不强等问题, 提出一种视觉显著性分析和最优椭圆Gabor滤波相结合的瑕疵检测方法。离线阶段采用差分进化算法对无瑕疵样本图像进行椭圆Gabor滤波器的参数寻优, 得到最优EGF; 在线阶段采用软硬件协同设计技术进行软硬件划分, 基于Zynq SoC的PL端实现中值滤波、RGB到CIE LAB格式颜色空间转换、LAB三通道EGF处理, 通过AXI VDMA总线将图像数据传输到PS端, 并计算滤波前后图像特征向量, 提取瑕疵显著区域, 确定阈值分离瑕疵。实验表明, 该方法有效地抑制了背景凸显瑕疵区域, 且软硬件结合提速明显, 具有较高的有效性和实时性。