LBP和Tamura纹理特征方法融合的织物疵点分类算法

2012，48（23）1引言质量保证在现代工业中已成为至关重要的环节，例如陶瓷[1]、玻璃[2]、木材[3]、布匹[4]。这些产品的质量保证对它们的定级产生很大影响。在纺织领域，织物表面的疵点评分决定织物的质量等级，而织物疵点的分类是织物质量控制和等级评定中的重要环节之一。对织物疵点的分类是为了判别在生产过程中产生哪种类型疵点，找出原因并修复，以提高产品质量。近年来，国内外学者对织物的疵点检测与分类做了大量研究。在文献[5]中作者采用了基于小波包得纹理图像分类，采用小波来提取纹理特征，但这种方法不适应局部疵点的图像。文献[6]采用共生矩阵提取织物图像的特征向量进行分类，此方法同样不LBP和Tamura纹理特征方法融合的织物疵点分类算法景军锋1，2，张缓缓1，李鹏飞1，王静1JINGJunfeng1，2,ZHANGHuanhuan1,LIPengfei1,WANGJing11.西安工程大学电子信息学院，西安7100482.西安电子科技大学机电工程学院，西安7100711.SchoolofElectronicandInformation,Xi’anPolytechnicUniversity,Xi’an710048,China2.SchoolofElectronical&MachanicalEngineering,XidianUniversity,Xi’an710071,ChinaJINGJunfeng,ZHANGHuanhuan,LIPengfei,etal.Fabricdefectclassificationbasedonlocalbinarypat-ternsandTamuratexturefeaturemethod.ComputerEngineeringandApplications,2012,48（23）：155-160.Abstract：Tofindthetypeoffabricwhichiseasytoproducedefectsintheproductionprocess,andgiveafeedbacktotheproductionprocesstoimprovethequalityofthefabric,analgorithmbasedonlocalbinarypatternandTamuratexturefeatureswhichcombinedforfabricdefectclassificationisproposed.Themaintaskofthealgorithmistoex-tractfeaturevectorsfabric,localbinarypatterndescribesthetexturefeaturechangingfromthelocal,whileTamuratexturefeaturesmethoddescribesthetexturefeaturechangingfromtheglobal,agooddescriptionofdefectcanbegotbycombiningthetwomethods.Afterextractingfeaturevector,itusestheconjugategradientBPalgorithmtohandlethefeaturevectors.TheconvergenceofconjugategradientBPalgorithmisbetter,anditimprovesthetrain-ingspeedandtrainingaccuracy.Theexperimentalresultsshowthattheproposedalgorithmfordefectclassificationhashigheraccuracy.Keywords：localbinarypattern;fabric;Tamuratexturefeatures;conjugategradientBPalgorithm摘要：为了找出织物在生产过程中易产生疵点的类型，并反馈到生产工序中以提高织物质量，提出一种基于局部二进制模式与Tamura纹理特征方法相结合的织物疵点分类算法。该算法主要完成的任务是对织物特征向量的提取，局部二进制模式从局部或像素邻域描述纹理的特征，Tamura纹理特征方法从全局描述疵点纹理特征，两者结合能更好地描述疵点纹理特征。完成特征向量提取后，选用共轭梯度BP算法来处理特征向量。共轭梯度BP算法收敛性较好，提高了训练速度和训练精度。实验结果表明，提出的算法对疵点分类具有较高的分类准确率。关键词：局部二进制模式；织物；Tamura纹理特征；共轭梯度BP算法文章编号：1002-8331（2012）23-0155-06文献标识码：A中图分类号：TP391基金项目：西安工程大学研究生创新基金资助项目（No.chx121012）；陕西省教育厅资助项目（No.11JK0910）。作者简介：景军锋（1978—），男，博士研究生，讲师，研究领域：图像处理；张缓缓（1987—），女，研究生，研究领域：图像处理、模式识别；李鹏飞（1962—），男，教授；王静（1986—），女，研究生。E-mail：[e-mail]收稿日期：2012-02-17修回日期：2012-05-29DOI：10.3778/j.issn.1002-8331.2012.23.035ComputerEngineeringandApplications计算机工程与应用155ComputerEngineeringandApplications计算机工程与应用2012，48（23）适应局部疵点图像的分类。张宇[7]采用了Gabor滤波器和改进的高斯混合模型方法来对织物进行疵点分类，取得较好的结果。本文提出基于一种局部二进制模式与Tamura纹理特征方法相结合的方法，对织物进行特征提取，并与用小波提取特征值相比较的方法，最后利用人工神经网络对疵点进行分类。2Tamura纹理特征基于人类对纹理的视觉感知的心理学的研究，Tamura[8]等人提出了纹理特征的六个分量，分别是粗糙度（coarseness）、对比度（contrast）、方向度（direc-tionality）、线性度（line-likeness）、规整度（regularity）和粗略度（roughness）其对应于心理学角度上纹理特征的六种属性。以下来讨论这六种属性的计算。粗糙度。粗糙度的计算分三个步骤来进行。首先，计算样本图像中大小为2k´2k个像素的活动窗口中像素的平均灰度值，即Ak(xy)=åi=x-2k-1x+2k-1-1åj=y-2k-1y+2k-1-1g(ij)/22k（1）其中g（i，j）是坐标（i，j）的像素灰度值，k=0，1，…，5。其次，分别计算每个像素在水平和垂直方向上不相重叠的窗口之间的平均强度差。ìíîïïEkh(xy)=||Ak(x+2k-1y)-Ak(x-2k-1y)Ekv(xy)=||Ak(xy+2k-1)-Ak(xy-2k-1)（2）设置最佳尺寸Sbest(ij)=2k，通过能使E值达到最大的k值来决定。最后，计算整幅图像中Sbest的平均值来得到粗糙度。Fcrs=1m´nåi=1måj=1nSbest(ij)（3）其中m和n是图像的长和宽。对比度。对比度是通过对像素灰度值分布情况的统计得到的。确切地说，它是通过α4=μ4/σ4来定义的，其中μ4是四次矩，σ2是方差。对比度是通过如下公式衡量的：Fcon=σα144（4）Fcon给出了整个图像的全局度量。方向度。方向度是图像的重要特征。有的纹理图像无明显方向性，而有的纹理图像具有较明显的方向性。Tamura用方向度来衡量图像有无明显方向性。计算每个像素处的梯度向量，该向量的模和方向的计算如公式（5）所示：ìíîïï||ΔG=(||ΔH+||ΔV)/2θ=tan-1(ΔV/ΔH)+π/2（5）其中ΔH和ΔV的计算分别是通过图像与下列两个3×3算子做卷积。ΔH是梯度向量在水平方向的变化量，ΔV是梯度向量在垂直方向上的变化量。-101-101-101111000-1-1-1利用公式（6）来构造θ的直方图：HD(k)=Nθ(k)/åi=0n-1Nθ(i)（6）其中，n为方向角度的量化等级，t为阈值。Nθ(k)是当||ΔG≥t，(2k-1)π/2n£θ£(2k+1)π/2n时像素的数量。对于无明显方向的图像，直方图HD表现得比较平坦，但对于方向较明显的图像，直方图HD表现出较明显的峰值。方向度的计算如公式（7）：Fdir=åpnpåϕÎwp(ϕ-ϕp)2HD(ϕ)（7）其中，np为直方图中峰值的数目，p为直方图HD中的峰值，对于任意一个峰值p，wp为该峰值包含的量化值范围，ϕp是wp中最大直方图值中的量化数值。线性度：线性度计算如下Flin=åinåjnPDd(ij)coséëùû(i-j)2πnåinåjnPDd(ij)（8）其中PDd是n´n局部方向共生矩阵的距离点。规整度。由于整个图像的纹理特征是不规律的，所以采取分区子图像并计算每个子图像的方差。在这里综合分区子图像的4个特性来衡量纹理的规整度。Freg=1-r(σcrs+σcon+σdir+σlin)（9）这里r表示归一化因子，σxxx是Fxxx的标准差。粗略度。Tamura等人根据人类对纹理的视觉感知的心理学的研究，对粗略度定义如下：Frgh=Fcrs+Fcon（10）3局部二进制模式局部二进制模式（LocalBinaryPatterns，LBP）1562012，48（23）是芬兰奥鲁大学OjalaT[9]教授提出的，由于局部二进制模式对图像局部纹理特征具有卓越描述能力，在研究中获得了广泛的应用。其主要思想是以某一点与其邻域像素的相对灰度作为响应，使其对于单调的灰度变化具有不变性。最基本的LBP算法是以一个3´3的窗口为基本纹理单元，以中心像素点的值为阈值，其周围相邻的八个像素点与中心点作比较。大于中心像素的像素点标为1，小于中心像素标为0。最后以顺时针方向读出八个子块的值，以此二进制数的值作为该点的响应。基本的LBP算法如图1所示。为获得任意半径和任意数目的领域像素点，本文采用圆形邻域并结合双线性差值运算。这种LBP算子记作LBPPR，P表示邻域，R表示圆形邻域的半径。图2是R=1，2，3，邻域像素P=8，16，24的圆域模型。对于一幅图像中的某个局部区域内的任意像素f(xcyc)，以其为中心点gc，对n´n窗口内的p个点g0g1gp，局部区域的纹理特征T定义如下：T(g0-gcgp-gc)（11）以gc的灰度值作为阈值对窗口内其他像素进行编码：T»t(s(g0-gc)s(gp-gc)) s(x)=ìíî1,x00,x£0（12）得到一个p位的二进制数，将此串二进制转作为该像素的编码。从而得到该窗口的LBP值：LBPPR=åp=0p-1s(gp-gc)2p（13）原始的LBP算子具有灰度旋转不变性，当同一纹理基元旋转一定角度，就被定义为另一种不同的二进制模式，其不具有旋转不变性。局部二进制模式一般分为两种模式，即统一二进制模式和非统一二进制模式。统一二进制模式采用0和1空间跳变的次数来实现，对于一个局部二进制模式，将其二进制位串视为循环的情况下，若其中包含的从1到0或从0到1转变次数不多于两个，则认为这个局部二进制模式为统一二进制模式，否则认为非统一类模式。LBPriu2PR=ìíîïïïïåp=0P-1s(gp-gc),U(LBPPR)£2P+1,otherwise（14）其中，U(LBPPR)=||s(gp-1-gc)-s(g0-gc)+åp=1P-1||s(gp-gc)-s(gp-1-gc)（15）4共轭梯度BP算法共轭梯度BP法是BP梯度法的改进，它改进梯度法的震荡和收敛性差的缺点。共轭梯度BP算法是一种基于数值最优化理论的训练算法。它的基本思想是通过寻找与负梯度方向和上一次搜索方向共轭的方向作为新的搜索方向