摘要: 本文阐述了基于图像识别的布匹表面质量快速检测系统设计与开发方法。通过快速摄像机对移动的布匹进行等间隔采样，将采集到的图像进行必要的预处理及所需的特征提取后，根据预先定义的模板与图像进行匹配，进而得出匹配数(也即检测到的瑕疵数量)，以最终决定所生产布匹的最终质量等级。同时，在对图像处理及分析的算法选择上，由于涉及到图像的快速处理，因此进行了算法的统筹安排及优化工作。
   关键词：机器视觉  特征提取  模板匹配  SSDA算法
Abstract ：This essay presents one designing and developing method for fabrics surface quality’s fast detecting system based on image recognition. In this system, operations are handled in equidistant sampling via fast-camera on the moving fabrics with same speed firstly, and necessary pre-processing and characteristic pick-up be performed on the sampled image. Then matching the image was performed according to the Template defined in advance and we can get the amount of flaws in the surface of piece goods. In the end we can elicit the final quality rank of the fabrics. At the same time, we make the selected algorithm plan as a whole and optimize it because the demands of high speed on image processing and analysis.

Keywords: Machine Vision    Characteristic Pick-up   Template Matching   Sequential Similarity Detection Algorithm (SSDA)
一、 概述
   基于图像识别的快速检测系统的应用层面很广，比如轴承钢球等表面啃伤、擦伤等质量检测，由于这种类型的检测对速度的要求比较高，因此对图像识别检测的算法性能要求很高。同样的情况也存在于纺织行业中，比如对布匹表面花纹等的检测，现在的方法主要是依靠人工识别的方式，根据事先预定的标准依靠人眼对布匹的质量进行表面的检测，但这种方式人为影响因素较多，主要有:(1) 主观认识概念的差异。即同一事物同一标难反映在每个检验人员头脑中不完全—佯。(2)试验条件。如利用自然光检验时，结果受气候、季节和房间朝向的影响。(3)枪验者的情绪和身体状况也直接影响外观检验结果。因此这种检测手段的效率是比较低的。我国是纺织大果，在国家的出口创汇中一直占很大的比重，而布匹如果存在质量上的缺陷，对纺织行业的产品竞争力起到了牵制作用，因此，如何快速准确的检测出布匹的表面质量问题，是亟待解决的一个问题。本文因此提出一种基于图像识别的快速检测方法，根据摄像机摄取的图像采用图像识别的方法，有针对性的对布匹表面存在的一些质量问题进行快速的检测。
二、 传统的检测手段概述
   传统对布匹表面质量进行检测主要依靠人工进行，大致流程如图所示，这种检测方式虽然能对布匹的表面质量进行一定程度的检测，但由于人的生理条件限制，对检测的时间长度及检测精度都起到了很大的制约作用。据调查，工人在利用这种方法进行检测能坚持的最长时限为3个小时，这还局限于对检测的精度要求较低的情况下，并且误检率相对较高。在当今的市场经济环境中，这会直接导致布匹的市场售价降低，并进而决定了布匹生产厂家的生存状况。

三、 改进的检测方法概述
   基于市场的要求，在传统的检测模型的基础上，提出了基于机器视觉的布匹快速检测方法，该方法通过快速摄像机对移动的布匹进行等间隔采样，将采集到的图像进行必要的预处理及所需特征的提取后，根据预先定义的模板与图像进行匹配，进而得出匹配数(也即检测到的瑕疵数量)，以最终决定所生产布匹的最终质量等级。
   该检测系统的主要功能模块主要包括图像的获取与存储、图像的特征提取及判决(即匹配)模块。大致的系统框图如图2所示：
   1．图像的获取与存储模块。由于使用快速摄像机进行采样，而快速摄像机的一些性能参数比如采样率可高达1000fps，因此需要确定布匹的移动速度，以使在进行等间隔采样时，相邻两幅图像的重叠区域尽可能少。同时，由于图像是以位图文件形式存储的，因此必须考虑空间因素(即大量图像的存储会占用很大的存储空间)，这需要与后期的判决模块相联系。
   2．图像的信息获取及特征提取模块。为了从图像中获取我们所需的重要信息，需要进行一些必要的预处理。由于在采样的过程中摄像机和布匹存在着相对运动，因此会形成模糊的运动图像，需要进行运动模糊图像复原。在采样过程中噪声的干扰也是必须要去除的，同时，由于对布匹的检测精度要求相对较低，但涉及到快速检测，在采样速率很快的前提下，要求处理的速度也相对很高，因此需进行算法的选择及优化以提高处理的速度。同时在该系统中，确定判据是重要的，但是另一方面，即如何抽特征也是相当重要的，如果特征找不对类就不可能准确。但如果把所有的特征不分主次的全都罗列出来，也会给正确判断带来麻烦。
3．判决模块。如图所示被搜索图像与模板。
   采用图像模板匹配的序贯相似性检测的算法（SSDA）进行处理。
其要点是：
（1）定义绝对误差值。
（2）取一不变阈值Tk.
（3）在子图 中随机选取象点。计算它同T中对应点的误差值，然后把这个差值和其他点对的差值累加起来，当累加r次误差超过Tk，则停止累加，并记下次数r，定义SSDA的检测曲面为
（4）把 值大的 点作为匹配点，因为这点上需要很多次累加才使总误差超过Tk。
然而，由于对进行匹配的速度要求较高，因此采用如下的办法对SSDA算法的计算效率作进一步的改进：
（1）对于（N-M+1）个参考点的选用顺序可以不逐点推进，即模板不一定对每点都平移到。
（2）在某参考点 处，对模板覆盖下的M2个点对的计算顺序可用与i,j无关的随机方式计算误差。
（3）模板在 点得到的累计误差映射为上述曲面数值的方法，是否最佳还可以探索。
（4）不选用固定阈值，而改用单调增长的阈值序列，使非匹配点用更少的计算就达到阈值而被丢弃，真匹配点则需要更多次误差累计才达到阈值。
   该模块同时还能给出缺陷在布匹中的粗略位置。假设采集的图像大小为W H，通过对应关系确定图像宽度（W）与实际采样的布匹的对应长度（设为L）的关系，如确定图像序列中第i张图像有缺陷，则缺陷的具体位置则在W  （i-1） L和W  i L之间。
   4．采样速度与处理速度的匹配。布匹在进行采样后会得到图像序列，如前所述，以位图文件存放的图像会占用大量的空间，因此采用一种动态的算法，通过计算图像处理速度与采像速度的关系，确定删除图像序列的时机及数量。
由于采集速度相对较快，而图像处理速度较慢，假设对图像序列Imagei,i=1,2,…,N,处理时间为分别为ti, ,i=1,2,…,N,则采用的方法为：当处理完第i张图像后，将检测结果存入特定的文件中，然后将第i张图像从计算机中依靠程序将其自动删除，直到所有的图像处理完毕，此时计算机中将不会存有任何采集到的图像，而只得到图像处理后的缺陷的统计结果文件。
四、结论
   综上所述，随着计算图像识别技术的发展，给生产检测企业提供了更多可行且有效的处理办法，该系统的开发不仅将节省人力资源，还将有效地提高纺织行业的产品竞争力。

参考文献：

[1]杨枝灵，王开等 《Visual C++数字图像获取、处理及实践》[M]，人民邮电出版社，2003年
[2]崔屹. 图像处理技术与应用[M] . 北京:电子工业出版社,1997.
[3] 李金宗. 模式识别导论[M] . 北京:高等教育出版社,1994.
[4]S.Bernard and W.Thompson.“Disparity analysis of Images”.IEEE Transaction on Pattern Analysis and Machine Intelligence.2(4).1980.
[5]I.Noble.“Finding corners”.Image and Vision Computing.Vol 6.pp.121-128.1988[6]Tomasi and Kanade. “Shape and motion from image streams under orthography: A factorization method”. International Journal of Computer Vision.9(2).1992.