第8卷第3期 智能系统学报 Vol.8 No.3 2013年6月 CAAI Transactions on Intelligent Systems Jum.2013 D0I:10.3969/i.issn.1673-4785.201211014 网络出版地址：htp:/www.cnki.net/kcms/detail/23.1538.TP.20130515.0942.011.html 复 Contourlet和各向异性扩散的织物疵点图像降噪 吴一全123，万红1，叶志龙 (1.南京航空航天大学电子信息工程学院，江苏南京210016：2.东华大学纺织面料技术教育部重点实验室，上海 201620:3.浙江理工大学先进纺织材料与制备技术教育部重点实验室，浙江杭州310018) 摘要：图像降噪是织物疵点自动检测的首要步骤，其效果直接影响后续的图像分割、特征提取及识别结果.为进一 步改善降噪性能，提出了一种基于复Contourlet变换和各向异性扩散的织物疵点图像降噪方法.首先通过复Contour- let变换将织物疵点图像分解成低频和高频分量：然后分别利用P Laplace算子和Catte PM模型进行相应的扩散：最 后经复Contourlet逆变换重构疵点图像.大量实验结果表明，与小波阈值收缩和全变差扩散的混合方法、小波与PM 模型扩散相结合的方法、Contourlet结合全变差和自适应对比度扩散的方法、非下采样Contourlet结合非线性扩散的 方法相比，所提出的方法在主观视觉效果和客观定量评价指标上都有了较大的提高，更好地保留了织物图像的纹理 细节信息，说明了其降噪能力更强，能够有效地抑制噪声 关键词：织物疵点检测：织物疵点图像：图像降噪：复Contourlet变换：各向异性扩散：P Laplace算子：Catte PM模型 中图分类号：TP391.4:TS103.7文献标志码：A文章编号：1673-4785(2013)03-0214-06 中文引用格式：吴一全，万红，叶志龙.复Contourle和各向异性扩散的织物疵点图像降噪[J].智能系统学报，2013,8(3)：214-219. 英文引用格式：WU Yiquan,WAN Hong,YE Zhilong.Fabric defect image noise reduction based on complex contourlet transform and anisotropic diffusion[J].CAAI Transactions on Intelligent Systems,2013,8(3):214-219. Fabric defect image noise reduction based on complex contourlet transform and anisotropic diffusion WU Yiquan'2.3,WAN Hong',YE Zhilong' (1.College of Electronic and Information Engineering,Nanjing University of Aeronautics and Astronautics,Nanjing 210016,China; 2.Key Laboratory of Textile Science Technology,Ministry of Education,Donghua University,Shanghai 201620,China;3.Key La- boratory of Advanced Textile Materials and Manufacturing Technology,Ministry of Education,Zhejiang Sci-Tech University,Hangzhou 310018,China) Abstract:Image noise reduction has been identified as the first step of automatic fabric defect detection.Its effect has a direct impact on subsequent image segmentation,feature extraction and the final recognition result.To im- prove the performance of noise reduction,a method of noise reduction for a fabric defect image based on complex contourlet transform and anisotropic diffusion has been proposed.Firstly,a fabric defect image was decomposed into low-frequency and high-frequency components through complex contourlet transform.Next,a P_Laplace operator and Catte_PM model were used to diffuse low-frequency and high-frequency components,respectively.Finally,the defect image was reconstructed by inverse complex contourlet transform.A large number of experimental results in- dicate that,compared with the hybrid method of wavelet threshold shrinkage with total variation diffusion,the meth- od combining the wavelet with PM model diffusion,the method combining contourlet with total variation and adap- tive contrast diffusion,and the method combining nonsubsampled contourlet with nonlinear diffusion,the proposed method has great improvement in both subjective visual effect and objective quantitative evaluation indicators, which can preserve the texture and details of fabric image better.The proposed method has stronger noise reduction capabilities and can suppress noise effectively. Keywords:fabric defect detection;fabric defect image;image noise reduction;complex contourlet transform;ani- sotropic diffusion;P_Laplace operator;Catte_PM model 织物疵点是纺织品生产过程中影响产品质量的 重要因素之一.传统的人工检测方法速度慢，劳动强 度大，易造成误检和漏检.基于图像处理技术的自动 收稿日期：2012-11-08.网络出版日期：2013-05-15. 检测系统可以极大地提高织物疵点的检测效率和精 基金项目：国家自然科学基金资助项目(60872065)：纺织面料技术教 度，减少人为因素制约，大大提高了纺织品生产流程 育部重点实验室开放基金资助项目(P1111):先进纺织材 料与制备技术教育部重点实验室开放课题研究基金资助 中的自动化程度.织物疵点图像获取和传输过程中 项目(2010001)：江苏高校优势学科建设工程资助项目. 通信作者：吴一全.E-mail:nuaaimage@163.com. 常受到高斯噪声和微量椒盐噪声的污染)，致使图第 ８ 卷第 ３ 期 智 能 系 统 学 报 Ｖｏｌ．８ №．３ ２０１３ 年 ６ 月 ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ Ｊｕｎ． ２０１３ ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１６７３⁃４７８５．２０１２１１０１４ 网络出版地址：ｈｔｔｐ： ／ ／ ｗｗｗ．ｃｎｋｉ．ｎｅｔ ／ ｋｃｍｓ／ ｄｅｔａｉｌ ／ ２３．１５３８．ＴＰ．２０１３０５１５．０９４２．０１１．ｈｔｍｌ 复 Ｃｏｎｔｏｕｒｌｅｔ 和各向异性扩散的织物疵点图像降噪 吴一全１，２，３ ，万红１ ，叶志龙１ （１．南京航空航天大学 电子信息工程学院，江苏 南京 ２１００１６； ２．东华大学 纺织面料技术教育部重点实验室，上海 ２０１６２０； ３．浙江理工大学 先进纺织材料与制备技术教育部重点实验室，浙江 杭州 ３１００１８） 摘 要：图像降噪是织物疵点自动检测的首要步骤，其效果直接影响后续的图像分割、特征提取及识别结果．为进一 步改善降噪性能，提出了一种基于复 Ｃｏｎｔｏｕｒｌｅｔ 变换和各向异性扩散的织物疵点图像降噪方法．首先通过复 Ｃｏｎｔｏｕｒ⁃ ｌｅｔ 变换将织物疵点图像分解成低频和高频分量；然后分别利用 Ｐ＿Ｌａｐｌａｃｅ 算子和 Ｃａｔｔｅ＿ＰＭ 模型进行相应的扩散；最 后经复 Ｃｏｎｔｏｕｒｌｅｔ 逆变换重构疵点图像．大量实验结果表明，与小波阈值收缩和全变差扩散的混合方法、小波与 ＰＭ 模型扩散相结合的方法、Ｃｏｎｔｏｕｒｌｅｔ 结合全变差和自适应对比度扩散的方法、非下采样 Ｃｏｎｔｏｕｒｌｅｔ 结合非线性扩散的 方法相比，所提出的方法在主观视觉效果和客观定量评价指标上都有了较大的提高，更好地保留了织物图像的纹理 细节信息，说明了其降噪能力更强，能够有效地抑制噪声． 关键词：织物疵点检测；织物疵点图像；图像降噪；复 Ｃｏｎｔｏｕｒｌｅｔ 变换；各向异性扩散；Ｐ＿Ｌａｐｌａｃｅ 算子；Ｃａｔｔｅ＿ＰＭ 模型 中图分类号： ＴＰ３９１．４；ＴＳ１０３．７ 文献标志码：Ａ 文章编号：１６７３⁃４７８５（２０１３）０３⁃０２１４⁃０６ 中文引用格式：吴一全，万红，叶志龙．复 Ｃｏｎｔｏｕｒｌｅｔ 和各向异性扩散的织物疵点图像降噪［Ｊ］．智能系统学报， ２０１３， ８（３）： ２１４⁃２１９． 英文引用格式：ＷＵ Ｙｉｑｕａｎ， ＷＡＮ Ｈｏｎｇ， ＹＥ Ｚｈｉｌｏｎｇ． Ｆａｂｒｉｃ ｄｅｆｅｃｔ ｉｍａｇｅ ｎｏｉｓｅ ｒｅｄｕｃｔｉｏｎ ｂａｓｅｄ ｏｎ ｃｏｍｐｌｅｘ ｃｏｎｔｏｕｒｌｅｔ ｔｒａｎｓｆｏｒｍ ａｎｄ ａｎｉｓｏｔｒｏｐｉｃ ｄｉｆｆｕｓｉｏｎ［Ｊ］． ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ， ２０１３， ８（３）： ２１４⁃２１９． Ｆａｂｒｉｃ ｄｅｆｅｃｔ ｉｍａｇｅ ｎｏｉｓｅ ｒｅｄｕｃｔｉｏｎ ｂａｓｅｄ ｏｎ ｃｏｍｐｌｅｘ ｃｏｎｔｏｕｒｌｅｔ ｔｒａｎｓｆｏｒｍ ａｎｄ ａｎｉｓｏｔｒｏｐｉｃ ｄｉｆｆｕｓｉｏｎ ＷＵ Ｙｉｑｕａｎ １，２，３ ， ＷＡＮ Ｈｏｎｇ １ ， ＹＥ Ｚｈｉｌｏｎｇ １ （１． Ｃｏｌｌｅｇｅ ｏｆ Ｅｌｅｃｔｒｏｎｉｃ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ， Ｎａｎｊｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ａｅｒｏｎａｕｔｉｃｓ ａｎｄ Ａｓｔｒｏｎａｕｔｉｃｓ， Ｎａｎｊｉｎｇ ２１００１６， Ｃｈｉｎａ； ２． Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｔｅｘｔｉｌｅ Ｓｃｉｅｎｃｅ ＆ Ｔｅｃｈｎｏｌｏｇｙ， Ｍｉｎｉｓｔｒｙ ｏｆ Ｅｄｕｃａｔｉｏｎ， Ｄｏｎｇｈｕａ Ｕｎｉｖｅｒｓｉｔｙ， Ｓｈａｎｇｈａｉ ２０１６２０， Ｃｈｉｎａ； ３． Ｋｅｙ Ｌａ⁃ ｂｏｒａｔｏｒｙ ｏｆ Ａｄｖａｎｃｅｄ Ｔｅｘｔｉｌｅ Ｍａｔｅｒｉａｌｓ ａｎｄ Ｍａｎｕｆａｃｔｕｒｉｎｇ Ｔｅｃｈｎｏｌｏｇｙ， Ｍｉｎｉｓｔｒｙ ｏｆ Ｅｄｕｃａｔｉｏｎ， Ｚｈｅｊｉａｎｇ Ｓｃｉ⁃Ｔｅｃｈ Ｕｎｉｖｅｒｓｉｔｙ， Ｈａｎｇｚｈｏｕ ３１００１８， Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｉｍａｇｅ ｎｏｉｓｅ ｒｅｄｕｃｔｉｏｎ ｈａｓ ｂｅｅｎ ｉｄｅｎｔｉｆｉｅｄ ａｓ ｔｈｅ ｆｉｒｓｔ ｓｔｅｐ ｏｆ ａｕｔｏｍａｔｉｃ ｆａｂｒｉｃ ｄｅｆｅｃｔ ｄｅｔｅｃｔｉｏｎ． Ｉｔｓ ｅｆｆｅｃｔ ｈａｓ ａ ｄｉｒｅｃｔ ｉｍｐａｃｔ ｏｎ ｓｕｂｓｅｑｕｅｎｔ ｉｍａｇｅ ｓｅｇｍｅｎｔａｔｉｏｎ， ｆｅａｔｕｒｅ ｅｘｔｒａｃｔｉｏｎ ａｎｄ ｔｈｅ ｆｉｎａｌ ｒｅｃｏｇｎｉｔｉｏｎ ｒｅｓｕｌｔ． Ｔｏ ｉｍ⁃ ｐｒｏｖｅ ｔｈｅ ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｎｏｉｓｅ ｒｅｄｕｃｔｉｏｎ， ａ ｍｅｔｈｏｄ ｏｆ ｎｏｉｓｅ ｒｅｄｕｃｔｉｏｎ ｆｏｒ ａ ｆａｂｒｉｃ ｄｅｆｅｃｔ ｉｍａｇｅ ｂａｓｅｄ ｏｎ ｃｏｍｐｌｅｘ ｃｏｎｔｏｕｒｌｅｔ ｔｒａｎｓｆｏｒｍ ａｎｄ ａｎｉｓｏｔｒｏｐｉｃ ｄｉｆｆｕｓｉｏｎ ｈａｓ ｂｅｅｎ ｐｒｏｐｏｓｅｄ． Ｆｉｒｓｔｌｙ， ａ ｆａｂｒｉｃ ｄｅｆｅｃｔ ｉｍａｇｅ ｗａｓ ｄｅｃｏｍｐｏｓｅｄ ｉｎｔｏ ｌｏｗ⁃ｆｒｅｑｕｅｎｃｙ ａｎｄ ｈｉｇｈ⁃ｆｒｅｑｕｅｎｃｙ ｃｏｍｐｏｎｅｎｔｓ ｔｈｒｏｕｇｈ ｃｏｍｐｌｅｘ ｃｏｎｔｏｕｒｌｅｔ ｔｒａｎｓｆｏｒｍ． Ｎｅｘｔ， ａ Ｐ ＿Ｌａｐｌａｃｅ ｏｐｅｒａｔｏｒ ａｎｄ Ｃａｔｔｅ＿ＰＭ ｍｏｄｅｌ ｗｅｒｅ ｕｓｅｄ ｔｏ ｄｉｆｆｕｓｅ ｌｏｗ⁃ｆｒｅｑｕｅｎｃｙ ａｎｄ ｈｉｇｈ⁃ｆｒｅｑｕｅｎｃｙ ｃｏｍｐｏｎｅｎｔｓ， ｒｅｓｐｅｃｔｉｖｅｌｙ． Ｆｉｎａｌｌｙ， ｔｈｅ ｄｅｆｅｃｔ ｉｍａｇｅ ｗａｓ ｒｅｃｏｎｓｔｒｕｃｔｅｄ ｂｙ ｉｎｖｅｒｓｅ ｃｏｍｐｌｅｘ ｃｏｎｔｏｕｒｌｅｔ ｔｒａｎｓｆｏｒｍ． Ａ ｌａｒｇｅ ｎｕｍｂｅｒ ｏｆ ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｉｎ⁃ ｄｉｃａｔｅ ｔｈａｔ， ｃｏｍｐａｒｅｄ ｗｉｔｈ ｔｈｅ ｈｙｂｒｉｄ ｍｅｔｈｏｄ ｏｆ ｗａｖｅｌｅｔ ｔｈｒｅｓｈｏｌｄ ｓｈｒｉｎｋａｇｅ ｗｉｔｈ ｔｏｔａｌ ｖａｒｉａｔｉｏｎ ｄｉｆｆｕｓｉｏｎ， ｔｈｅ ｍｅｔｈ⁃ ｏｄ ｃｏｍｂｉｎｉｎｇ ｔｈｅ ｗａｖｅｌｅｔ ｗｉｔｈ ＰＭ ｍｏｄｅｌ ｄｉｆｆｕｓｉｏｎ， ｔｈｅ ｍｅｔｈｏｄ ｃｏｍｂｉｎｉｎｇ ｃｏｎｔｏｕｒｌｅｔ ｗｉｔｈ ｔｏｔａｌ ｖａｒｉａｔｉｏｎ ａｎｄ ａｄａｐ⁃ ｔｉｖｅ ｃｏｎｔｒａｓｔ ｄｉｆｆｕｓｉｏｎ， ａｎｄ ｔｈｅ ｍｅｔｈｏｄ ｃｏｍｂｉｎｉｎｇ ｎｏｎｓｕｂｓａｍｐｌｅｄ ｃｏｎｔｏｕｒｌｅｔ ｗｉｔｈ ｎｏｎｌｉｎｅａｒ ｄｉｆｆｕｓｉｏｎ， ｔｈｅ ｐｒｏｐｏｓｅｄ ｍｅｔｈｏｄ ｈａｓ ｇｒｅａｔ ｉｍｐｒｏｖｅｍｅｎｔ ｉｎ ｂｏｔｈ ｓｕｂｊｅｃｔｉｖｅ ｖｉｓｕａｌ ｅｆｆｅｃｔ ａｎｄ ｏｂｊｅｃｔｉｖｅ ｑｕａｎｔｉｔａｔｉｖｅ ｅｖａｌｕａｔｉｏｎ ｉｎｄｉｃａｔｏｒｓ， ｗｈｉｃｈ ｃａｎ ｐｒｅｓｅｒｖｅ ｔｈｅ ｔｅｘｔｕｒｅ ａｎｄ ｄｅｔａｉｌｓ ｏｆ ｆａｂｒｉｃ ｉｍａｇｅ ｂｅｔｔｅｒ． Ｔｈｅ ｐｒｏｐｏｓｅｄ ｍｅｔｈｏｄ ｈａｓ ｓｔｒｏｎｇｅｒ ｎｏｉｓｅ ｒｅｄｕｃｔｉｏｎ ｃａｐａｂｉｌｉｔｉｅｓ ａｎｄ ｃａｎ ｓｕｐｐｒｅｓｓ ｎｏｉｓｅ ｅｆｆｅｃｔｉｖｅｌｙ． Ｋｅｙｗｏｒｄｓ：ｆａｂｒｉｃ ｄｅｆｅｃｔ ｄｅｔｅｃｔｉｏｎ； ｆａｂｒｉｃ ｄｅｆｅｃｔ ｉｍａｇｅ； ｉｍａｇｅ ｎｏｉｓｅ ｒｅｄｕｃｔｉｏｎ； ｃｏｍｐｌｅｘ ｃｏｎｔｏｕｒｌｅｔ ｔｒａｎｓｆｏｒｍ； ａｎｉ⁃ ｓｏｔｒｏｐｉｃ ｄｉｆｆｕｓｉｏｎ； Ｐ＿Ｌａｐｌａｃｅ ｏｐｅｒａｔｏｒ； Ｃａｔｔｅ＿ＰＭ ｍｏｄｅｌ 收稿日期：２０１２⁃１１⁃０８． 网络出版日期：２０１３⁃０５⁃１５． 基金项目：国家自然科学基金资助项目（６０８７２０６５）；纺织面料技术教 育部重点实验室开放基金资助项目（ Ｐ１１１１）；先进纺织材 料与制备技术教育部重点实验室开放课题研究基金资助 项目（２０１０００１）；江苏高校优势学科建设工程资助项目． 通信作者：吴一全． Ｅ⁃ｍａｉｌ： ｎｕａａｉｍａｇｅ＠ １６３．ｃｏｍ． 织物疵点是纺织品生产过程中影响产品质量的 重要因素之一．传统的人工检测方法速度慢，劳动强 度大，易造成误检和漏检．基于图像处理技术的自动 检测系统可以极大地提高织物疵点的检测效率和精 度，减少人为因素制约，大大提高了纺织品生产流程 中的自动化程度．织物疵点图像获取和传输过程中 常受到高斯噪声和微量椒盐噪声的污染［１］ ，致使图