刘绥美，李鹏飞，张 蕾，张宏伟，张缓缓，景军锋

（西安工程大学电子信息学院，陕西西安 710048）

基于稀疏编码字典学习的疵点检测

刘绥美，李鹏飞，张 蕾，张宏伟，张缓缓，景军锋

（西安工程大学电子信息学院，陕西西安 710048）

为了快速准确地实现背景纹理复杂织物的疵点检测，改善传统算法计算量大的缺点，提出基于稀疏编码字典学习的疵点检测算法.首先利用Radon变化对图像进行倾斜矫正，减小像素信息处理误差，再使用Gabor滤波器对矫正后图像滤波，消除噪声影响.接着对预处理后的图像，以一定尺寸窗口，滑动选取图像块构建输入样本集，采用K－SVD算法对无瑕疵样本集合进行字典学习，得到稀疏系数并重构，进而取得水平、垂直投影特征矩阵.最后利用已得到的字典与稀疏系数对待检测样本重构，求得其相对应的特征矩阵，并用结构相似法最终确定疵点区域.实验表明，该算法检测时间短，效率较高，平均可达92.3%.

疵点检测；稀疏编码；K－SVD字典学习

0 引 言

纺织品质量与价值受诸多因素影响，主要的评价因素之一就是纺织品外观，直观表现为织物疵点，所以在投入使用之前，织物疵点检测必不可少.传统人工检测通过样板布来判断、标记和修整［1］.一个熟练的验布员平均验布长度为15～20m／min，布匹幅宽0.8～1.0m，最多检测出70%的织物疵点［2］.而疵点在线检测速度要求高于60m／min，疵点最小尺寸可达0.5mm.因此，基于机器视觉的自动织物疵点检测系统成功代替人工检测.对于一个自动检测系统……