基于改進(jìn)的Robust PCA模型的織物瑕疵檢測(cè).pdf

1、織物是由紡織纖維通過(guò)對(duì)稱規(guī)則產(chǎn)生的一種重復(fù)紋理模式，紡織品在工業(yè)生產(chǎn)的過(guò)程中以及送入市場(chǎng)之前必須經(jīng)過(guò)全面的檢測(cè)和質(zhì)量評(píng)估，其中瑕疵檢測(cè)是最為重要的部分，其目的在于檢測(cè)織物是否存在瑕疵并確定瑕疵的大體位置。目前，雖然國(guó)內(nèi)外已經(jīng)存在部分成熟的紡織品自動(dòng)檢測(cè)瑕疵系統(tǒng)，但是絕大部分的手工業(yè)廠的瑕疵檢測(cè)還是由人工離線的方式進(jìn)行作業(yè)，這種方式存在檢測(cè)效率低、檢驗(yàn)結(jié)果容易受到驗(yàn)布人員的主觀影響，并且瑕疵誤檢率以及漏檢率比較高等缺點(diǎn)。因此，織物的瑕疵檢

2、測(cè)算法是近幾年來(lái)國(guó)內(nèi)外學(xué)者比較熱衷研究的課題之一。織物瑕疵檢測(cè)的主要任務(wù)是估計(jì)出一幅織物圖中瑕疵區(qū)域的位置，并輸出一幅灰度圖像和二值圖，灰度圖中每個(gè)點(diǎn)的像素值表示該像素屬于瑕疵的可能性；二值圖表示每個(gè)像素點(diǎn)是否為瑕疵。
　　帶紋理的織物是由一系列對(duì)稱的規(guī)則產(chǎn)生的，因此織物的紋理部分可以看作是來(lái)自于低維的子空間的樣本，但是受到了相對(duì)于織物圖像來(lái)說(shuō)面積較小的瑕疵的干擾，破壞了原本紋理的低秩性，所以帶瑕疵的織物圖可以看作瑕疵區(qū)域（稀疏結(jié)

3、構(gòu)）和重復(fù)的紋理部分（低秩結(jié)構(gòu)）的疊加。由于魯棒的主成分分析模型（Robust Principal Component Analysis，Robust PCA）是對(duì)低秩矩陣進(jìn)行重建的模型，因此可以用來(lái)估計(jì)一般的帶有紋理圖案的織物的瑕疵區(qū)域，但是織物圖像不僅僅受到瑕疵的影響，還容易受到其他噪聲的干擾，比如在紡織物在采集的過(guò)程中，會(huì)受到織物的扭曲和光照變化的影響，這些噪聲往往會(huì)導(dǎo)致傳統(tǒng)的Robust PCA模型產(chǎn)生不可信的檢測(cè)結(jié)果。因此，在

4、這篇文章中，我們提出了一種改進(jìn)的Robust PCA模型。
　　首先我們?cè)谠寄Ｐ突A(chǔ)上添加了F范數(shù)去除多余的噪聲部分。同時(shí)，對(duì)于瑕疵區(qū)域與紋理是同質(zhì)的情況（即除灰度以外特征相近），Robust PCA與N-RPCA在理論上無(wú)法進(jìn)行良好的矩陣分解，因此我們提出了一種瑕疵的先驗(yàn)引導(dǎo)來(lái)指導(dǎo)矩陣的分解，即將原始圖像均勻分割成N個(gè)圖像塊，基于非瑕疵區(qū)域和瑕疵區(qū)域的紋理特征對(duì)比，提取初步的瑕疵圖像作為引導(dǎo)項(xiàng)，利用它來(lái)指導(dǎo)帶有不同瑕疵的織物圖