基于自适应离散小波变换的混合特征畸变织物疵点识别

第34卷第1期2013年1月纺织学报Journal of Textile Research Vol．34，No．1Jan．，2013文章编号：0253-9721（2013）01-0133-05基于自适应离散小波变换的混合特征畸变织物疵点识别杨晓波（浙江财经学院信息分院，浙江杭州310012）摘要为提高混合特征畸变织物疵点的检测速度，解决由疵点导致的织物质量下降的问题，提出一种基于自适应离散小波变换方法识别混合特征畸变织物疵点。

首先确定所设计小波的优化目标，然后采用二通道方法准确重建正交滤波器的结构实现方式，推导出目标函数，并通过目标函数选择具体的优化方法，建立起优化目标和正交滤波器系数间的函数关系；最后采用构造出的自适应正交小波对3种类型的混合特征畸变疵点进行识别，结果表明：自适应正交小波可在较小尺度下将织物进行小波分解，并获得良好的疵点边缘增强效果，对混合特征畸变织物疵点的识别准确率达到100%，从而验证了该方法的可行性。

关键词自适应正交小波；混合特征畸变疵点；特征提取；边缘增强；模式识别中图分类号：TP 311.131文献标志码：AResearch of mixture feature aberrance fabric defect recognitionbased on self-adaptive discrete wavelet transformYANG Xiaobo（Department of Information ，Zhejiang University of Finance ＆Economics ，Hangzhou ，Zhejiang310012，China ）Abstract In order to increase the detection speed of mixture feature aberrance fabric defect and solve the problem of fabric quality deterioration caused by defects ，it proposes a method based on self-adaptive discrete wavelet transform to identify mixture feature aberrance fabric defect．Firstly ，the optimizing object of the designing wavelet should be determined．Then ，the two-passage method can be adopted to reconstruct the architecture of quadrature mirror filter in accuracy ，and object function is derived．The specific optimizing method is chosen according to the object function and the function relationship between optimized object and quadrature mirror filter coefficient is set up．Finally ，the constructed self-adaptive orthogonal wavelet can be applied to recognize three kinds of mixture feature aberrance defects．The result shows that self-adaptive orthogonal wavelet can process fabric wavelet decomposition in a smaller scale condition ，and obtain good defect sedge enhancement effect．The accuracy rate can reach 100%for the mixture feature aberrance fabric defect ，which verifies the feasibility of the method．Key words self-adaptive orthogonal wavelet ；mixture feature aberrance defect ；feature extraction ；edge enhancement ；pattern recognition收稿日期：2012－01－18修回日期：2012－09－28基金项目：浙江省自然科学基金资助项目（Y1110023）作者简介：杨晓波（1971—），男，副教授，博士。

主要研究方向为纺织材料的计算机视觉分析与模式识别。

E-mail ：yxb71520@163．com 。

离散小波变换因具备快速MalLat 算法支持，所以特别适用于纹理的实时分析［1］。

织物疵点检测过程中，离散小波变换可以多尺度分解待检测织物图像，疵点的边缘可以在每个尺度下进行观察。

由纺织学报第34卷于小波变换具有良好的重构性能，因此图像经小波变换后不会丢失信息。

若织物中包含疵点，则其疵点边缘出现在相关尺度上的子图像中。

若此时织物的能量在该子图像中受到较大抑制，则疵点边缘将会得到良好的增强。

从频域上讲，离散小波变换对频域的分解缺乏灵活性，为了提高离散小波变换对织物疵点检测的效果，必须尽可能地提高小波基函数对所检测织物纹理的适应性。

考虑到织物表面是一种有规则的纹理，其纹理特性可通过它的基本纹理重复单元来反映这一事实，故可以根据织物的纹理构造一种自适应正交小波，然后通过该小波函数进行疵点识别。

本文以混合特征畸变织物疵点为对象，探讨基于自适应离散小波变换的疵点自动识别方法。

1自适应正交小波构造设计自适应正交小波相当于设计正交镜像滤波器（quadrature mirror filter ，QMF ），目前该技术大多应用于信号和图像的压缩编码中［2－3］。

自适应正交小波的构造首先需确定所设计滤波器的期望性能，即优化目标；然后确定目标函数的表达式，该表达式中必须包含QMF 的系数；最后选择具体的优化方法。

设计自适应正交小波常用的优化目标有滤波器的能量压缩、混迭、阶跃响应和各通道信号间的相关程度等性能［4－6］。

在此选择能量压缩性能作为设计自适应正交小波的优化目标，这是一种较为常用的纹理自适应小波构造准则［7－9］。

选择了优化目标后，接下来需要确定目标函数。

可采用二通道方法推导出目标函数［10］。

最后，选用环形优化方法逐步收敛到目标函数［11］，以保证所选用的自适应函数是优化后的自适应正交小波。

2实验结果与讨论以如图1（a ）所示的织物为例，织物样本选用斜纹白坯布，分析自适应正交小波对混合特征畸变疵点的识别效果。

本文实验采用2层离散小波分解。

首先，考虑在图像第1层小波分解中采用织物自适应正交小波，即沿织物水平方向和垂直方向分别构造能量压缩QMF 。

选择格形级数为5级，对应于滤波器长度为10点。

滤波器的频率响应和对应的尺度和小波函数见图1（b ） （c ）。

图1织物纹理自适应正交小波Fig．1Fabric texture self-adaptive orthogonal wavelet．（a ）Normal fabric image ；（b ）Self-adaptive QMF frequency response and its scale and wavelet function in horizontal direction ；（c ）Self-adaptive QMF frequency response and its scaleand wavelet function in vertical direction接下来计算所构造自适应正交小波的具体参数。

参数主要包括：旋转角｛αk ｝；低通滤波器H 系数；高通滤波器G 系数。

采用二通道方法推导出的目标函数可以计算旋转角｛αk ｝［12－13］。

σ2（x g ）=c 2kσ2（v k ）－2c k s k cov （u k ，v k ）+s 2kσ2（u k ）（1）式中cov （u k ，v k ）是u k 和v k 的协方差，σ2（x g ）是旋转角｛αk ｝的二次函数，进而计算出旋转角｛αk ｝。

通过优化目标，可以得出滤波器对应的尺度系数［7］：H 系数和G 系数。

H （z ）=H 0（z ）+z －1H 1（z ）（2）G （z ）=G 0（z ）+z －1G 1（z ）（3）式中：H 0（z ）、H 1（z ）为H （z ）的偶分解和奇分解；G 0（z ）、G 1（z ）为G （z ）的偶分解和奇分解。

另外，利用得到的尺度系数，计算自适应正交小·431·第1期杨晓波：基于自适应离散小波变换的混合特征畸变织物疵点识别波和非自适应小波的标准方差。

v=ΣH i－H2槡N（4）式中：v为标准方差；Hi为尺度系数；H为尺度系数的平均值。

表1列出了所构造自适应正交小波的具体参数。

表1图像第1层小波分解所采用的纹理自适应QMFTab．1Texture adaptive QMF adopted by first layer image wavelet decomposition方向｛αk｝k=0，1，…，4低通滤波器H系数高通滤波器G系数水平｛0.9772，－0.1210，－0.3266，0.4019，－0.1847｝｛－0.4757，－0.7051，－0.1724，－0.0706，－0.2509，0.1845，0.2970，－0.1770，－0.1317，0.0889｝｛－0.0889，－0.1317，0.1770，0.2970，－0.1845，－0.2509，0.0706，－0.1724，0.7051，－0.4757｝垂直｛－1.2055，－1.2040，0.2169，－0.2854，0.1376｝｛－0.1189，0.3110，0.7286，0.5206，0.1084，－0.2333，0.0209，0.1364，－0.0431，－0.0165｝｛0.0165，－0.0431，－0.1364，0.0209，0.2333，0.1084，－0.5206，0.7286，－0.3110，－0.1189｝为了验证所构造织物纹理自适应小波的能量压缩作用，表2给出了正常织物由该自适应正交小波和Daubeshies小波变换后各通道的方差分布比较。