本發(fā)明涉及一種圖像識(shí)別技術(shù)領(lǐng)域,尤其涉及一種濾布缺陷破損檢測的方法、存儲(chǔ)介質(zhì)及裝置。
背景技術(shù):
目前,特征區(qū)域面積法進(jìn)行濾布破損缺陷識(shí)別時(shí),是基于破洞透光的原理,對于穿透性類別的破損其檢出率高達(dá)95.46%,而對于磨損類別的破損檢測率低于20%,檢測結(jié)果表明對于磨損類別的檢測效果差。
svm分類器模型進(jìn)行濾布破損缺陷檢測時(shí),是根據(jù)濾布的紋理特征是否被破壞從而判別濾布圖像中是否有破損的,對于磨損類別的破損檢出率高于95%,而對于穿透性的破損其檢出率接近75%,對穿透性類別檢測效果差。
但是,現(xiàn)有的方法存在以下缺陷:
特征區(qū)域面積檢測結(jié)果表明對于磨損類別的檢測效果差,svm分類器模型對穿透性類別檢測效果差。
技術(shù)實(shí)現(xiàn)要素:
為了克服現(xiàn)有技術(shù)的不足,本發(fā)明的目的之一在于提供一種濾布缺陷破損檢測的方法,其能增強(qiáng)檢測系統(tǒng)的破損識(shí)別能力。
本發(fā)明的目的之二在于一種電子設(shè)備,其能增強(qiáng)檢測系統(tǒng)的破損識(shí)別能力。
本發(fā)明的目的之三在于一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì),其能增強(qiáng)檢測系統(tǒng)的破損識(shí)別能力。
本發(fā)明的目的之四在于提供一種濾布缺陷破損檢測的裝置,其能增強(qiáng)檢測系統(tǒng)的破損識(shí)別能力。
本發(fā)明的目的之一采用如下技術(shù)方案實(shí)現(xiàn):
一種濾布缺陷破損檢測的方法,包括以下步驟:
特征區(qū)域面積檢測步驟:通過特征區(qū)域面積法對濾布進(jìn)行破損檢測;
svm分類檢測步驟:對破損檢測后的濾布再通過svm分類處理以得到濾布破損狀況。
進(jìn)一步地,所述特征區(qū)域面積檢測步驟具體包括以下子步驟:
圖像處理步驟:獲取濾布的圖像信息并對其進(jìn)行濾波以及圖像增強(qiáng);
二值化步驟:根據(jù)二值化公式對濾布的圖像信息進(jìn)行二值化處理;
面積計(jì)算步驟:根據(jù)破損面積公式以得濾布破損面積;
判斷步驟:判斷濾布破損面積是否大于預(yù)設(shè)值,如果是,則判定為破損區(qū)域,如果不是,則判定為非破損區(qū)域。
進(jìn)一步地,所述svm分類檢測步驟具體包括以下子步驟:
計(jì)算步驟:根據(jù)灰度圖像的灰度等級(jí)計(jì)算灰度共生矩陣的大小l2;
灰度獲取步驟:取灰度圖像中的一點(diǎn)k(x,y),取另一點(diǎn)q(x+a,y+b),將該像素點(diǎn)對的灰度值記為(i,j);
信息獲取步驟:點(diǎn)k在灰度圖像上進(jìn)行移動(dòng),并記錄得到各個(gè)像素點(diǎn)對的(i,j)及距離值;
頻數(shù)計(jì)算步驟:統(tǒng)計(jì)灰度圖像中相距為
共生矩陣獲取步驟:將統(tǒng)計(jì)得到的每一對(i,j)出現(xiàn)的聯(lián)合頻數(shù)n(i,j)排列成一個(gè)矩陣h(i,j),其中i和j分別表示矩陣中第i行和第j列,矩陣h(i,j)即為所求的灰度共生矩陣。
本發(fā)明的目的之二采用如下技術(shù)方案實(shí)現(xiàn):
一種電子設(shè)備,包括:處理器;
存儲(chǔ)器;以及程序,其中所述程序被存儲(chǔ)在所述存儲(chǔ)器中,并且被配置成由處理器執(zhí)行,所述程序包括用于執(zhí)行:
特征區(qū)域面積檢測步驟:通過特征區(qū)域面積法對濾布進(jìn)行破損檢測;
svm分類檢測步驟:對破損檢測后的濾布再通過svm分類處理以得到濾布破損狀況。
進(jìn)一步地,所述特征區(qū)域面積檢測步驟具體包括以下子步驟:
圖像處理步驟:獲取濾布的圖像信息并對其進(jìn)行濾波以及圖像增強(qiáng);
二值化步驟:根據(jù)二值化公式對濾布的圖像信息進(jìn)行二值化處理;
面積計(jì)算步驟:根據(jù)破損面積公式以得濾布破損面積;
判斷步驟:判斷濾布破損面積是否大于預(yù)設(shè)值,如果是,則判定為破損區(qū)域,如果不是,則判定為非破損區(qū)域。
進(jìn)一步地,所述svm分類檢測步驟具體包括以下子步驟:
計(jì)算步驟:根據(jù)灰度圖像的灰度等級(jí)計(jì)算灰度共生矩陣的大小l2;
灰度獲取步驟:取灰度圖像中的一點(diǎn)k(x,y),取另一點(diǎn)q(x+a,y+b),將該像素點(diǎn)對的灰度值記為(i,j);
信息獲取步驟:點(diǎn)k在灰度圖像上進(jìn)行移動(dòng),并記錄得到各個(gè)像素點(diǎn)對的(i,j)及距離值;
頻數(shù)計(jì)算步驟:統(tǒng)計(jì)灰度圖像中相距為
共生矩陣獲取步驟:將統(tǒng)計(jì)得到的每一對(i,j)出現(xiàn)的聯(lián)合頻數(shù)n(i,j)排列成一個(gè)矩陣h(i,j),其中i和j分別表示矩陣中第i行和第j列,矩陣h(i,j)即為所求的灰度共生矩陣。
本發(fā)明的目的之三采用如下技術(shù)方案實(shí)現(xiàn):
一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì),其上存儲(chǔ)有計(jì)算機(jī)程序,其特征在于:所述計(jì)算機(jī)程序被處理器執(zhí)行如上任意一項(xiàng)所述的方法。
本發(fā)明的目的之四采用如下技術(shù)方案實(shí)現(xiàn):
一種濾布缺陷破損檢測的裝置,包括以下模塊:
特征區(qū)域面積檢測模塊:用于通過特征區(qū)域面積法對濾布進(jìn)行破損檢測;
svm分類檢測模塊:用于對破損檢測后的濾布再通過svm分類處理以得到濾布破損狀況。
進(jìn)一步地,所述特征區(qū)域面積檢測模塊具體包括以下子模塊:
圖像處理模塊:用于獲取濾布的圖像信息并對其進(jìn)行濾波以及圖像增強(qiáng);
二值化模塊:用于根據(jù)二值化公式對濾布的圖像信息進(jìn)行二值化處理;
面積計(jì)算模塊:用于根據(jù)破損面積公式以得濾布破損面積;
判斷模塊:用于判斷濾布破損面積是否大于預(yù)設(shè)值,如果是,則判斷為破損區(qū)域,如果不是,則判定為非破損區(qū)域。
進(jìn)一步地,所述svm分類檢測模塊具體包括以下子模塊:
計(jì)算模塊:用于根據(jù)灰度圖像的灰度等級(jí)計(jì)算灰度共生矩陣的大小l2;
灰度獲取模塊:用于取灰度圖像中的一點(diǎn)k(x,y),取另一點(diǎn)q(x+a,y+b),將該像素點(diǎn)對的灰度值記為(i,j);
信息獲取模塊:用于并記錄點(diǎn)k在灰度圖像上進(jìn)行移動(dòng)得到的各個(gè)像素點(diǎn)對的(i,j)及距離值;
頻數(shù)計(jì)算模塊:用于統(tǒng)計(jì)灰度圖像中相距為
共生矩陣獲取模塊:用于將統(tǒng)計(jì)得到的每一對(i,j)出現(xiàn)的聯(lián)合頻數(shù)n(i,j)排列成一個(gè)矩陣h(i,j),其中i和j分別表示矩陣中第i行和第j列,矩陣h(i,j)即為所求的灰度共生矩陣。
相比現(xiàn)有技術(shù),本發(fā)明的有益效果在于:
本發(fā)明將特征區(qū)域面積檢測、svm分類檢測進(jìn)行結(jié)合,通過這種串級(jí)檢測方式來提供破損的識(shí)別率和降低誤檢率。
附圖說明
圖1為本發(fā)明的濾布破損檢測的方法的流程圖;
圖2為本發(fā)明的濾布破損檢測的裝置的結(jié)構(gòu)示意圖;
圖3為濾布的二值化圖像特征示意圖。
具體實(shí)施方式
下面,結(jié)合附圖以及具體實(shí)施方式,對本發(fā)明做進(jìn)一步描述,需要說明的是,在不相沖突的前提下,以下描述的各實(shí)施例之間或各技術(shù)特征之間可以任意組合形成新的實(shí)施例。
如圖1所示,本發(fā)明提供了一種濾布缺陷破損檢測的方法,包括以下步驟:
步驟s1:通過特征區(qū)域面積法對濾布進(jìn)行破損檢測;所述步驟s1具體包括以下子步驟:
步驟s11:獲取濾布的圖像信息并對其進(jìn)行濾波以及圖像增強(qiáng);
步驟s12:根據(jù)二值化公式對濾布的圖像信息進(jìn)行二值化處理;其中灰度圖像二值化的計(jì)算公式:
步驟s13:根據(jù)破損面積公式以得濾布破損面積;根據(jù)每個(gè)像素所占的面積進(jìn)行換算即可求得破損面積,該公式如下:s=n*k,其中s表示面積,n表示像素點(diǎn)數(shù)目,k表示比例系數(shù)(一個(gè)像素點(diǎn)所占面積);
步驟s14:判斷濾布破損面積是否大于預(yù)設(shè)值,如果是,則判定為破損區(qū)域,如果不是,則判定為非破損區(qū)域。上述為前級(jí)的特征檢測;
步驟s2:對破損檢測后的濾布再通過svm分類處理以得到濾布破損狀況。所述步驟s2具體包括以下子步驟:
步驟s21:根據(jù)灰度圖像的灰度等級(jí)計(jì)算灰度共生矩陣的大小l2;如果必要的話,也可先將圖像的灰度登記降低(如16或32等)
步驟s22:取灰度圖像中的一點(diǎn)k(x,y),取另一點(diǎn)q(x+a,y+b),將該像素點(diǎn)對的灰度值記為(i,j);
步驟s23:點(diǎn)k在灰度圖像上進(jìn)行移動(dòng),并記錄得到各個(gè)像素點(diǎn)對的(i,j)及距離值;
步驟s24:統(tǒng)計(jì)灰度圖像中相距為
步驟s25:將統(tǒng)計(jì)得到的每一對(i,j)出現(xiàn)的聯(lián)合頻數(shù)n(i,j)排列成一個(gè)矩陣h(i,j),其中i和j分別表示矩陣中第i行和第j列,矩陣h(i,j)即為所求的灰度共生矩陣。除了上述的svm檢測步驟之外,還可以先進(jìn)行歸一化處理之后再構(gòu)建共生矩陣。采用將特征區(qū)域面積法和svm二分類器檢測模型法構(gòu)成串級(jí)檢測方式時(shí),兩種檢測方式的優(yōu)缺點(diǎn)能夠進(jìn)行互補(bǔ),增加檢測系統(tǒng)的破損識(shí)別能力。串級(jí)檢測方式相對于單級(jí)檢測方式而言,有更高的破損識(shí)別率和誤檢率。
本發(fā)明公開了一種電子設(shè)備,包括一個(gè)或多個(gè)處理器、存儲(chǔ)器以及一個(gè)或者多個(gè)程序,其中一個(gè)或多個(gè)程序被存儲(chǔ)在存儲(chǔ)器中,并且被配置成由一個(gè)或多個(gè)處理器執(zhí)行,程序包括用于執(zhí)行上述方法,或者本發(fā)明的方法存儲(chǔ)在可讀的存儲(chǔ)介質(zhì)上,并且該方法程序可以被處理器執(zhí)行。該電子設(shè)備可以是手機(jī)、電腦、平板電腦等等一系列的電子設(shè)備。
如圖2所示,本發(fā)明還提供了一種濾布缺陷破損檢測的裝置,包括以下模塊:
特征區(qū)域面積檢測模塊:用于通過特征區(qū)域面積法對濾布進(jìn)行破損檢測;所述特征區(qū)域面積檢測模塊具體包括以下子模塊:
圖像處理模塊:用于獲取濾布的圖像信息并對其進(jìn)行濾波以及圖像增強(qiáng);
二值化模塊:用于根據(jù)二值化公式對濾布的圖像信息進(jìn)行二值化處理;
面積計(jì)算模塊:用于根據(jù)破損面積公式以得濾布破損面積;
判斷模塊:用于判斷濾布破損面積是否大于預(yù)設(shè)值,如果是,則判定為破損區(qū)域,如果不是,則判定為非破損區(qū)域。
svm分類檢測模塊:用于對破損檢測后的濾布再通過svm分類處理以得到濾布破損狀況。所述svm分類檢測模塊具體包括以下子模塊:
計(jì)算模塊:用于根據(jù)灰度圖像的灰度等級(jí)計(jì)算灰度共生矩陣的大小l2;
灰度獲取模塊:用于取灰度圖像中的一點(diǎn)k(x,y),取另一點(diǎn)q(x+a,y+b),將該像素點(diǎn)對的灰度值記為(i,j);
信息獲取模塊:用于并記錄點(diǎn)k在灰度圖像上進(jìn)行移動(dòng)得到的各個(gè)像素點(diǎn)對的(i,j)及距離值;
頻數(shù)計(jì)算模塊:用于統(tǒng)計(jì)灰度圖像中相距為
共生矩陣獲取模塊:用于將統(tǒng)計(jì)得到的每一對(i,j)出現(xiàn)的聯(lián)合頻數(shù)n(i,j)排列成一個(gè)矩陣h(i,j),其中i和j分別表示矩陣中第i行和第j列,矩陣h(i,j)即為所求的灰度共生矩陣。
上述實(shí)施方式僅為本發(fā)明的優(yōu)選實(shí)施方式,不能以此來限定本發(fā)明保護(hù)的范圍,本領(lǐng)域的技術(shù)人員在本發(fā)明的基礎(chǔ)上所做的任何非實(shí)質(zhì)性的變化及替換均屬于本發(fā)明所要求保護(hù)的范圍。