(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221086216 6.9 (22)申请日 2022.07.21 (71)申请人 东华大学 地址 201620 上海市松江区人民北路2 999 号 (72)发明人 于海燕　王生泽　王永兴　李姝佳　 王浚骅　 (74)专利代理 机构 北京市万慧达律师事务所 11111 专利代理师 邱忠贶 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06T 5/40(2006.01) G06V 10/74(2022.01)G06V 10/764(2022.01) (54)发明名称 用于织物 疵点检测的模板匹配方法和系统 (57)摘要 本发明提供一种用于织物疵点检测的模板 匹配方法和系统， 模板匹配方法包括以下步骤： 特征值计算步骤， 对模板图像进行裁剪、 分块、 均 衡化， 再对模板图像的灰度共生矩阵特征的统计 值进行计算获得模板图像的特征值； 模板制作步 骤， 根据特征值计算步骤中获得的特征值， 分块 制作模板； 检测图像处理步骤， 在用相机拍摄检 测图像之后， 进行裁剪、 分块、 均衡化， 再对检测 图像的灰度共生矩 阵特征的统计值进行计算获 得检测图像每一块的特征值； 模板匹配步骤， 对 于已分块的检测图像的每一块， 读入 该块的模板 信息， 将该块的特征值传入模型判断该块是否为 疵点块。 根据本发明， 有效解决对检测图像要求 质量过高的问题， 实现质量稳定、 检测准确、 节约 成本。 权利要求书1页 说明书5页 附图4页 CN 115131332 A 2022.09.30 CN 115131332 A 1.一种用于织物 疵点检测的模板匹配方法， 其特 征在于， 包括以下步骤： 特征值计算步骤， 对模板图像进行裁剪、 分块、 均衡化， 再对模板图像的灰度共生矩阵 特征的统计值进行计算获得模板图像的特 征值； 模板制作步骤， 根据特 征值计算 步骤中获得的特 征值， 分块制作模板； 检测图像处理步骤， 在用相机拍摄检测图像之后， 进行裁剪、 分块、 均衡化， 再对检测图 像的灰度共生矩阵特 征的统计值进行计算获得检测图像 每一块的特征值； 模板匹配步骤， 对于已分块的检测图像的每一块， 读入该块的模板信 息， 将该块的特征 值传入模型判断该块是否为疵点 块。 2.根据权利要求1所述的用于织物 疵点检测的模板匹配方法， 其特 征在于， 在特征值计算 步骤中， 在对 模板图像直方图均衡化之后还进行 灰度级压缩。 3.根据权利要求1所述的用于织物 疵点检测的模板匹配方法， 其特 征在于， 在特征值计算 步骤中， 采用直方图均衡化方法增强模板图像的对比度。 4.根据权利要求1所述的用于织物 疵点检测的模板匹配方法， 其特 征在于， 在特征值计算步骤中， 获得模板图像的特征值为能量、 熵、 对比度、 同质性这四个特征 值。 5.根据权利要求1所述的用于织物 疵点检测的模板匹配方法， 其特 征在于， 在模板匹配步骤中， 采用均值阈值方法对疵点进行判断。 6.根据权利要求1所述的用于织物 疵点检测的模板匹配方法， 其特 征在于， 离线进行特征值计算 步骤和模板制作步骤， 在线进行检测图像处 理步骤和模板匹配步骤。 7.一种用于织物 疵点检测的模板匹配系统， 其特 征在于， 包括： 特征值计算单元， 对模板图像进行裁剪、 分块、 直方图均衡化， 再对模板图像的灰度共 生矩阵特 征的统计值进行计算获得模板图像的特 征值； 模板制作单 元， 根据特 征值计算单 元中获得的特 征值， 分块制作模板； 检测图像处理单元， 在用相机拍摄检测图像之后， 进行裁剪、 分块、 均衡化， 再对检测图 像的灰度共生矩阵特 征的统计值进行计算获得检测图像 每一块的特征值； 模板匹配单元， 对于已分块的检测图像的每一块， 读入该块的模板信 息， 将该块的特征 值传入模型判断该块是否为疵点 块。权　利　要　求　书 1/1 页 2 CN 115131332 A 2用于织物疵 点检测的模板匹配方 法和系统 技术领域 [0001]本发明涉及工业机器视觉图像 处理领域， 具体涉及一种用于织物疵点检测的模板 匹配方法和系统。 背景技术 [0002]纺织品视觉检测， 特别是织物疵点检测， 是纺织生产线全流程自动化、 智能化的瓶 颈工序之一， 也是高端纺织品生产的重要保障。 织物具有复杂的纹理， 疵点特征很容易 “隐 藏”于纹理中无法很好识别。 [0003]在织布工厂工作环境下， 特别是集成在织布机上的视觉检测系统， 采集的图像易 受到光照或环境光源影响， 造成不同布宽处光照不匀等问题。 同一批织物， 其织物也因原材 料、 加工设备精度等影响， 出现细观纹 理不均匀、 经纬交织 点误差等问题纹 理变化。 [0004]模板匹配在工业范围应用广泛， 其基本原理是比较模板图像与待检测图像的相似 程度。 现在工业范围内使用的模板匹配方法主要包含基于灰度和基于特征两种。 其中， 基于 灰度的模板匹配， 图像尺寸可以和模板不同， 应用比较广泛， 但是对光照均匀度要求较高， 也比较耗时且处理速度较慢。 基于特征的模板匹配主要包括基于 关键点、 边缘和线、 圆弧等 基元模型的方法， 不 适于直接应用于纹 理有变化的织物 疵点检测的精度要求。 [0005]灰度共生矩阵是纹理分析的经典方法， 主要方法是先统计纹理特征信息， 然后根 据纹理特征是否被破坏来识别疵点。 但是常规的灰度共生矩阵实时性较差， 且由于织物疵 点特征繁多， 很难直接根据统计学的纹 理特征识别。 [0006]由此可见， 能否基于现有技术中的不足， 提供一种改进的织物疵点检测技术， 有效 解决现有的检测技术中对检测图像要求质量过高的问题， 实现质量稳定、 检测准确、 节约成 本， 成为本领域 技术人员亟 待解决的技 术难题。 发明内容 [0007]发明所要解决的课题 [0008]本发明的目的是在于克服现有技术的缺陷， 提供一种用于织物疵点检测的模板匹 配方法和系统， 有效解决现有的检测技 术中对检测图像要求质量过高的问题。 [0009]用于解决课题的方法 [0010]本发明第一方面涉及一种用于织物 疵点检测的模板匹配方法， 包括以下步骤： [0011]特征值计算步骤， 对模板图像的灰度共生矩阵特征的统计值进行计算获得模板图 像的特征值； [0012]模板制作步骤， 根据特 征值计算 步骤中获得的特 征值， 分块制作模板； [0013]检测图像处理步骤， 在用相机拍摄检测图像之后， 进行裁剪、 分块、 直方图均衡化， 再对检测图像的灰度共生矩阵特 征的统计值进行计算获得检测图像 每一块的特征值； [0014]模板匹配步骤， 对于已分块的检测图像的每一块， 读入该块的模板信息， 将该块的 特征值传入 模型判断该块是否为疵点 块。说　明　书 1/5 页 3 CN 115131332 A 3