买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：大连理工大学

摘要：本发明属于图像处理技术领域，是一种基于多形态数据扩增与分块识别的布匹图像缺陷检测方法。本发明利用多形态数据扩增算法，通过提取缺陷特征，采用传统图像处理方法改变缺陷形态，将形态变换后的缺陷与原有布匹图像进行融合，批量生成新的缺陷图像；利用分块识别算法和检测框融合算法，通过裁剪图像，使用小尺寸图像训练模型，在推理时输入大尺寸图像，采用分块逐张检测、合并检测结果，用以完成尺寸较大、背景复杂的布匹图像的检测，从而提高尺寸较大、背景复杂的布匹图像中缺陷的检测精度。

主权项：1.一种基于多形态数据扩增与分块识别的布匹图像缺陷检测方法，其特征在于，步骤如下：步骤1、收集具有缺陷的布匹图像，根据颜色空间筛选出RGB三通道值在一定范围内的像素，从而提取固定颜色范围的布匹缺陷，将图像背景设置为白色或黑色，得到与背景无关的缺陷特征；步骤2、将步骤1中得到的缺陷图像通过数据增强方法随机改变物体缺陷的形态，得到新的缺陷图像；步骤3、将步骤2中得到的新的缺陷图像随机批量融合到布匹图像中，并去除白色或黑色背景，将原有数据集进行多形态扩增，从而构建具有多形态缺陷的布匹数据集；步骤4、在训练过程中，采用图像分块方法，将大尺寸图像裁剪成小尺寸图像，利用小尺寸图像对模型进行训练，在推理过程中，将输入的大尺寸图像分割成小尺寸图像放入网络中，分块逐张检测，通过公式1～4，得到关于图像分块的相关参数： 其中，h_times和w_times分别表示高度方向和宽度方向的识别次数，H和W分别表示大图像的高度和宽度，h和w分别表示裁剪的小图像的高度和宽度，bias_h和bias_w分别表示高度方向和宽度方向交叉区域长度；步骤5、经过步骤4的推理过程得到每张小尺寸图像的检测结果，之后采用图像合并算法合并分块检测的结果；图像合并算法是根据缺陷与大尺寸图像的相对位置关系将小尺寸图像的检测结果映射到大尺寸图像上，因为小尺寸图像相对大尺寸图像位置确定，所以缺陷相对大尺寸图像位置确定，依据公式5～10得到大尺寸图像中缺陷的位置：x1＝w-bias_w*i，i≥05y1＝h-bias_h*j，j≥06x2＝w+x17y2＝h+y18X＝x1+x9Y＝y1+y10其中，i和j分别为裁剪图像在宽度方向和高度方向的顺序数，x1,y1为裁剪图像左上角坐标，x2,y2为裁剪图像右下角坐标，x,y为布匹缺陷在裁剪图像中的位置，X,Y为缺陷相对全图坐标；步骤6、图像分块检测结果中的重叠区域存在重复检测结果，假设两个重复检测结果是同类缺陷，且交并比大于设定阈值，则采用非极大值抑制算法，删除置信度较低的检测框，保留置信度高的检测框；步骤7、相邻裁剪图像存在重叠区域，且两张图像的检测结果都不完整，在相交检测框合并过程中，当两个检测框的交并比大于设定阈值，则将两个检测框合并成一个大的检测框，取两个小检测框的最大外接矩形作为新的检测框，并将两个置信度中的最大值设为新的置信度；根据公式11～14获得新检测框的各个位置坐标：X1＝minx1,x311Y1＝miny1,y312X2＝Maxx2,x413Y2＝Maxy2,y414其中，X1,Y1X2,Y2为新的检测框坐标，x1,y1,x2,y2，x3,y3,x4,y4为小图像中的两个检测框坐标；步骤8、使用CascadeR-CNN目标检测算法分块检测小尺寸图像中的缺陷得到小尺寸图像的缺陷检测结果，之后通过步骤5、6、7进行小尺寸图像的缺陷检测结果的合并，即将每一张小尺寸图像上检测到的缺陷位置映射到大尺寸图像上，最终得到大尺寸图像的检测结果。

全文数据：

权利要求：

百度查询： 大连理工大学 基于多形态数据扩增与分块识别的布匹图像缺陷检测方法