(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 202211249247.8 (22)申请日 2022.10.12 (71)申请人 南通汭然纺织品有限公司 地址 226000 江苏省南 通市通州区二甲镇 余北社区12组 (72)发明人 邹玲玲　 (74)专利代理 机构 武汉世跃专利代理事务所 (普通合伙) 42273 专利代理师 万仲达 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/13(2017.01) G06T 5/00(2006.01) G06T 5/10(2006.01) G06V 10/46(2022.01)G06V 10/75(2022.01) G06V 10/764(2022.01) (54)发明名称 一种布匹纹 理检测方法 (57)摘要 本发明涉及数据处理领域， 具体涉及一种布 匹纹理检测方法， 包括以下步骤： 获取布匹的图 像信息数据， 基于图像信息数据； 获取灰度图像 的全局分布特性， 构建自适应下采样的高斯金字 塔； 基于高斯金字塔完成关键点的匹配， 由平行 线数量得到布匹的合格率。 即本发 明的方案能够 准确的评估出布匹的质量情况。 权利要求书1页 说明书5页 附图1页 CN 115330771 A 2022.11.11 CN 115330771 A 1.一种布匹纹 理检测方法， 其特 征在于， 包括以下步骤： 采集布匹的嵌套纹理图像， 包括模板 图像和多个待检测的生产图像， 摆正待检测的生 产图像并进行 预处理， 得到灰度图像； 获取灰度图像的全局分布特性， 构建自适应下采样的高斯金字塔； 基于高斯金字塔完成关键点的匹配， 由平行线数量得到布匹的合格率； 其中， 构建自适应下采样的高斯金字塔的具体过程 为： 对灰度图像进行二维离散傅里叶变换得到频谱图， 获取频谱图中找到最小周期部分， 得到单周期图案， 获取单周期图案的最小外接矩形， 对所述最小外接矩形进行平移， 得到新 矩形区域； 对最小外接矩形对应的灰度图像进行边缘检测， 得到纹理轮廓， 计算任意两边缘之间 的距离， 对像素点进行分类， 得到背景像素和纹理像素； 进而得到新矩形区域的初步二分 类； 基于像素的初步二分类， 对重要程度不同的像素赋予权重后自适应下采样， 得到高斯 金字塔。 2.根据权利要求1所述的一种布匹纹理检测方法， 其特征在于， 对重要程度不同的像素 赋予权重后自适应下采样， 得到高斯金字塔的具体过程 为： 确定下一个采样层中像素点与上一个采样层中像素点的映射关系； 在第一个采样层 中， 对每个2*2的区域， 由四个像素对于纹理检测的重要程度赋予相应权重； 将2*2的区域向 外扩大一圈得到4*4的区域： 若 未出现新增的纹理像素点， 说明原区域中的纹理像素 处于孤 立或者边缘的位置， 赋予的权重为初始权重的两倍； 基于像素点的权重， 第一次下采样时遍 历所有2*2区域， 保留四个像素点中权重最大的在新采样层； 在完成一次下采样后， 根据同 样的原则更新像素权重， 为下一次的采样准备； 当布匹图像中均为纹理信息时， 停止下采 样。 3.根据权利要求2所述的一种布匹纹理检测方法， 其特征在于， 设置纹理信 息丰富度的 阈值为 ， 当纹理信息丰富度 高于 时， 停止下采样， 自适应下采样的高斯金字塔构 建 完成； 其中纹 理信息丰富度为 式中， 表示图像中像素的总行数， 表示像素的总列数， 分母表示像素总数， 为第 m行纹理数量总数。 4.根据权利要求1所述的一种布匹纹 理检测方法， 其特 征在于， 基于自适应下采样的金字塔， 进行差分和极值检测； 统计关键点邻域中像素的梯度信息； 得到模板纹理和待检测纹理图像的关键点描述子集合， 对于每一个模板纹理的关键 点， 利用欧式距离计算当前关键点描述子在另一个关键点描述子集中的最匹配关键点， 对 匹配成功的两点进行 连线； 根据连线中平行线的数量， 计算布匹的合格率。权　利　要　求　书 1/1 页 2 CN 115330771 A 2一种布匹纹理检测方 法 技术领域 [0001]本发明涉及数据处 理领域， 具体为 一种布匹纹 理检测方法。 背景技术 [0002]随着经济水平的发展， 全世界对高端布匹的需求量日益增长。 其中， 布匹的高端主 要体现在纹理的复杂程度和与模板要求的重合程度。 人工的布匹纹理检测效率低下且效果 受主观因素影响， 现有技术借助计算机视觉， 通过卷积神经网络完成对布匹纹理瑕疵的检 测。 但是丰富和复杂的布匹纹理造成了模型参数多、 训练速度慢、 泛化性弱和 检测性能差， 技术需要进一步的优化。 发明内容 [0003]为了解决上述技术问题， 本发明的目的在于提供一种布匹纹理检测方法， 所采用 的技术方案具体如下： 本发明提供的一种布匹纹 理检测方法， 包括以下步骤： 采集布匹的嵌套纹理图像， 包括模板图像和多个待检测的生产图像， 摆正待检测 的生产图像并进行 预处理， 得到灰度图像； 获取灰度图像的全局分布特性， 构建自适应下采样的高斯金字塔； 基于高斯金字塔完成关键点的匹配， 由平行线数量得到布匹的合格率； 其中， 构建自适应下采样的高斯金字塔的具体过程 为： 对灰度图像进行二维离散傅里叶变换得到频谱图， 获取频谱图中找到最小周期部 分， 得到单周期图案， 获取单周期图案的最小外接矩形， 对所述最小外接矩形进行平移， 得 到新矩形区域； 对最小外接矩形对应 的灰度图像进行边缘检测， 得到纹理轮廓， 计算任意两边缘 之间的距离， 对像素点进 行分类， 得到背 景像素和纹理像素； 进而得到新矩形区域的初步二 分类； 基于像素的初步二分类， 对重要程度不同的像素赋予权重后自适应下采样， 得到 高斯金字塔。 [0004]优选地， 对重要程度不 同的像素赋予权重后自适应下采样， 得到高斯金字塔 的具 体过程为： 确定下一个采样层中像素点与上一个采样层中像素点的映射关系； 在第一个采样 层中， 对每个2*2的区域， 由四个像素对于纹理检测的重要程度赋予相应权重； 将2*2的区域 向外扩大一圈得到4*4的区域： 若 未出现新增的纹理像素点， 说明原区域中的纹理像素 处于 孤立或者边缘的位置， 赋予的权重为初始权重的两倍； 基于像素点的权重， 第一次下采样时 遍历所有2*2区域， 保留四个像素点中权重最大的在新采样层； 在完成一次下采样后， 根据 同样的原则更新像素权重， 为下一次的采样准备； 当布匹图像中均为纹理信息时， 停止下采 样。说　明　书 1/5 页 3 CN 115330771 A 3