【正文】 Adaboost algorithm and SVM algorithm. SVM algorithm color evaluation model based on LBPGMM improves the evaluation accuracy of the color, and laid the foundation for the design and dyeing products color detection system based on puter vision. In addition, in the process of dyeing color detection, there are a variety of factors causing the color evaluation errors. This article will also analyze related factors which may appear in the color detection scene. The reasonable control of these factors is to reduce the color evaluation error. The reasonable control of these factors can achieve its goal which reduce evaluation errors.Keywords: Computer vision。 LBPGMM SVM algorithm。它是人工智能領(lǐng)域的一個(gè)重要分支，是今年來發(fā)展較為迅速的一門信息處理技術(shù)，也是人類科學(xué)研究中所曾經(jīng)面臨的挑戰(zhàn)之一。計(jì)算機(jī)視覺的發(fā)展不僅將大大加快智能系統(tǒng)的研究腳步，也將拓寬各智能機(jī)器的研究范圍和應(yīng)用領(lǐng)域。計(jì)算機(jī)視覺的應(yīng)用相當(dāng)廣泛，從毫微米技術(shù)到多媒體數(shù)據(jù)庫，從文件處理到工業(yè)檢測，從遙感圖像到醫(yī)學(xué)圖像，在生活，生產(chǎn)的各個(gè)方面的應(yīng)用實(shí)例不勝枚舉，尤其是許多人類視覺無法感知的場所，例如在危險(xiǎn)場景的進(jìn)行探測、精確定量或?qū)Σ豢梢娢矬w的感知等，計(jì)算機(jī)視覺相比較人類視覺具有不可比擬的優(yōu)越性。當(dāng)今科技日新月異，工業(yè)生產(chǎn)也向高速智能方向發(fā)展，在此背景下，往往會(huì)涉及到各種數(shù)據(jù)測量與質(zhì)量控制，如飲料瓶蓋的印刷質(zhì)量檢查、零件完整性與定位、印刷字符條碼檢查、安全鑒別等。于是，人們開始考慮把計(jì)算機(jī)的可靠性、快速性、可重復(fù)性，與人類的智能化思維和抽象能力相結(jié)合，由此，逐漸形成了一門新學(xué)科—計(jì)算機(jī)視覺(也稱機(jī)器視覺) [1]。對(duì)相關(guān)硬件進(jìn)行選擇時(shí)，需要考慮多種因素，例如，對(duì)于相機(jī)：黑白/彩色，PC_Based，分辨率，線陣/面陣，智能相機(jī)，幀頻，接口，觸發(fā)方式曝光時(shí)間等；對(duì)于鏡頭：放大倍數(shù)，視場，焦距，景深，工作距離等；圖像采集卡的選擇要配合相機(jī)的采集接口，板上緩存，硬件處理功能，I/O資源等。采用計(jì)算機(jī)視覺進(jìn)行工業(yè)檢測的步驟一般為：檢測對(duì)象→專用光源提供光照→鏡頭→相機(jī)→圖像采集→PC機(jī)→圖像預(yù)處理→特征提取→結(jié)果判讀→結(jié)果輸出。例如在紡織印染行業(yè)中，布匹的顏色測量和評(píng)價(jià)還主要依賴于檢測人員在一定光源下離線與標(biāo)準(zhǔn)比色卡進(jìn)行對(duì)比。計(jì)算機(jī)視覺的特點(diǎn)是精度高、速度快、智能化及自動(dòng)化程度高、非接觸、可靠性高、客觀性強(qiáng)、信息量大等。12 基于計(jì)算機(jī)視覺的染色品色差檢測在染色品的工業(yè)生產(chǎn)過程中,控制產(chǎn)品顏色質(zhì)量的首要問題是盡可能地使其顏色信息與標(biāo)準(zhǔn)色樣一致，即為控制色差。一般來說，染色品色差的度量主要分為染色樣本的上下色差、前后色差、左右色差。以往生產(chǎn)樣品與來樣之間的色差，都是由具有豐富辨色經(jīng)驗(yàn)的人靠生理視覺來進(jìn)行的。除了對(duì)視力提出苛刻的要求外，適宜的外部環(huán)境和光源，評(píng)級(jí)人的經(jīng)驗(yàn)及當(dāng)時(shí)的狀態(tài)也起到?jīng)Q定性的作用，具有不可避免的主觀性。目前主要的測色儀器有分光光度計(jì)和色度計(jì)。分光光度計(jì)對(duì)于樣本的顏色測量具有可重復(fù)性、高精度的特點(diǎn)。比如：從不同方向點(diǎn)燃斜紋織物，再從不同方向觀察它，織物的顏色將會(huì)發(fā)生改變。在系統(tǒng)中分光設(shè)備不能長期工作，不宜采用。它可以測量三刺激值的CIE色度坐標(biāo)值，然而色度坐標(biāo)的應(yīng)用可能會(huì)導(dǎo)致同色異譜等現(xiàn)象，即光譜反射曲線不同的顏色在一組觀察和照明條件下匹配，但在另一種條件下卻并不匹配。因?yàn)榇朔N色差檢測和人眼評(píng)定存在一個(gè)共同點(diǎn)，即均是離線測色。試想一旦發(fā)現(xiàn)染色不合格，這將需要染色過程的臨時(shí)停歇，顯然此舉將造成工廠時(shí)間和財(cái)力的浪費(fèi)。13 本文研究背景、目的及意義準(zhǔn)確的顏色測量尤其是在與顏色有關(guān)的行業(yè)是決定其產(chǎn)品質(zhì)量是否合格的重要因素，例如漆染、印刷及紡織品行業(yè)。人眼視覺辨色有其自身的很多主觀因素并會(huì)造成無法減小的色差估計(jì)誤差，例如，即使對(duì)于有良好培訓(xùn)及豐富辨色經(jīng)驗(yàn)的人來說，辨色的結(jié)果與辨色人的心理狀態(tài)、年齡、及所處的環(huán)境有極大的關(guān)系。 近年來，儀器測色的發(fā)展逐漸克服了人眼評(píng)定色差的主觀性因素的影響，使色差評(píng)定更具有客觀性。該方法的不足之處在于：1)對(duì)染色品進(jìn)行的是離線測色，使得檢測速度慢，且檢測不全面；2)對(duì)于客戶和生產(chǎn)廠家在使用不同的光照照射對(duì)染色品采樣進(jìn)行色差評(píng)定時(shí)，上述儀器不能在去除光照影響下進(jìn)行染色色差的評(píng)價(jià)。在此裝置中，需要解決染色色差評(píng)價(jià)及其算法、光照校正等關(guān)鍵問題。本論文的研究旨在為在線色差檢測設(shè)備的研制解決系統(tǒng)中的關(guān)鍵問題，提高染色質(zhì)量檢測速度和準(zhǔn)確度，從而提高染色評(píng)價(jià)的可信度。針對(duì)相關(guān)因素進(jìn)行分析，重點(diǎn)研究一種基于LBPGMM模型的支持向量機(jī)的染色品色差檢測算法及成品布面圖像光照校正算法等。具體內(nèi)容如下：（1） 概述了基于計(jì)算機(jī)視覺的染色品質(zhì)量檢測系統(tǒng)的現(xiàn)狀及發(fā)展、各種圖像預(yù)處理方法的比較、顏色空間的性能比較、色差公式以及它們之間的相互比較。在已建染色色差評(píng)價(jià)模型上，提出了一種基于LBPGMM模型構(gòu)造圖像特征進(jìn)行染色品色差檢測的研究。在此基礎(chǔ)上，本文提出一種基于小波理論的光照校正算法，并通過試驗(yàn)，驗(yàn)證了本文采用的光照校正算法的可行性和有效性。15 本文章節(jié)目錄及概要第一章 緒論在簡單介紹計(jì)算機(jī)視覺的基礎(chǔ)上，本文首先概述了對(duì)基于計(jì)算機(jī)視覺的染色品色差檢測進(jìn)行研究的背景、目的及意義、然后介紹了本論文的主要內(nèi)容及思路第二章 染色品色差檢測系統(tǒng)及相關(guān)理論首先介紹了幾種圖像預(yù)處理的方法，包括中值濾波法、鄰域平均法及高斯模板濾波法。最后對(duì)染色布面色差在線檢測的評(píng)價(jià)指標(biāo)進(jìn)行介紹并采用原始支持向量機(jī)建立染色效果評(píng)價(jià)模型第三章 染色品色差分類檢測算法研究分析了原始支持向量機(jī)的優(yōu)缺點(diǎn)，在此基礎(chǔ)上提出了采用一種基于LBPGMM模型的支持向量機(jī)色差檢測與分類算法，對(duì)原有數(shù)據(jù)進(jìn)行建模，然后將之應(yīng)用于染色布面的色差檢測中。第五章 染色品色差檢測結(jié)果與誤差分析照明光源的使用年限，色差公式的應(yīng)用，光源與樣品之間的距離，無不影響著染色品色差的檢測。第六章 總結(jié)與展望總結(jié)本文，指出本文尚待完善之處，并展望下一步的研究內(nèi)容。通過對(duì)數(shù)字圖像預(yù)處理，一方面可以降低系統(tǒng)噪聲及環(huán)境噪聲對(duì)算法性能和結(jié)果的影響，另一方面可以提高檢測分類結(jié)果的魯棒性和準(zhǔn)確性。最后介紹了系統(tǒng)的相關(guān)結(jié)構(gòu)，在已搭建實(shí)驗(yàn)平臺(tái)下進(jìn)行圖像采集與預(yù)處理，最后重點(diǎn)研究了染色色差評(píng)價(jià)模型建立。21圖像預(yù)處理基本算法由于拍攝環(huán)境和設(shè)備質(zhì)量，光源等因素的影響，難免會(huì)對(duì)色差測帶來干擾和噪聲，這些噪聲講或多或少的導(dǎo)致圖像的失真，模糊，從而影響對(duì)圖像特征的分析。染色品圖像噪聲可分為外部噪聲和內(nèi)部噪聲。內(nèi)部噪聲是系統(tǒng)自身產(chǎn)生的（如CCD工作時(shí)產(chǎn)生的噪聲）。乘性噪聲相伴有用信號(hào)存在，是由系統(tǒng)時(shí)變性或非線性引起的?？傊@些噪聲都會(huì)使圖像模糊，不同程度地降低圖像質(zhì)量，加大色差檢測的誤差產(chǎn)生概率。去除圖像噪聲的方法主要有中值濾波、線性濾波及高斯濾波法。若窗口大小為偶數(shù)，則取中間兩個(gè)像素的像素平均值；若窗口大小為奇數(shù)，則取其中間值。另外它在一定程度上也能夠保護(hù)圖像邊緣等細(xì)節(jié)信息。二維中值濾波輸出為m（x,y）=median{n(xk,yl),(k,l∈W)} ，其中,m(x,y)，m(x,y)分別為原始圖像和處理后圖像。例如，對(duì)于一個(gè)3x3的領(lǐng)域，其中值是第5個(gè)值。比如，一個(gè)3x3的領(lǐng)域內(nèi)有一系列像素值(9，15，15，15，11，15，15，25，100)，對(duì)這些值排序后為(9，11，15，15，15，15，15，25，100)，那么其中值就是15?；舅枷胧抢脼V波掩模確定的領(lǐng)域內(nèi)像素均值去代替圖像每個(gè)像素點(diǎn)的值，主要用于消除圖像中的顆粒噪聲。假設(shè)圖像I中某個(gè)3x3的鄰域，其中心像素為I(x,y)。這些均不利于接下來的色差檢測評(píng)價(jià)。定義權(quán)值之和為16，則輸出圖像中心像素值為： 2(2)其中，為模板權(quán)值。213高斯濾波高斯濾波器是根據(jù)高斯函數(shù)的形狀來選擇權(quán)值的線性平滑濾波器。其對(duì)消除服從正態(tài)分布的噪聲是十分有效的。其數(shù)學(xué)表達(dá)式為式: 2(4)高斯函數(shù)具有很多優(yōu)勢，體現(xiàn)在：（1） 高斯函數(shù)是單值函數(shù)，這表明，高斯濾波器是用像素鄰域的加權(quán)均值來代替該點(diǎn)像素值的，而每一個(gè)鄰域像素點(diǎn)權(quán)值是隨著該點(diǎn)與中心點(diǎn)的距離單調(diào)增減的。由于圖的邊緣方向不是事先知道的，因此，在濾波前并不知道一個(gè)方向上與另一個(gè)方向哪個(gè)需要更多的平滑。二維高斯函數(shù)卷積可以分兩步進(jìn)行，先將圖像與一維高斯函數(shù)進(jìn)行卷積，然后將卷積結(jié)果與方向垂直的相同一維高斯函數(shù)卷積。（5） 參數(shù)σ決定著高斯濾波器的寬度（平滑程度），是直接簡單相關(guān)的。通過調(diào)節(jié)參數(shù)σ，可在平滑圖像中由噪聲和細(xì)紋理引起的過多不希望突變量（欠平滑）之間與圖像特征過分平滑（過模糊）之間折中。從濾波效果（）中可以看出，鄰域平均法在圖像邊緣處易被邊緣周圍的高頻信息污染。相比較以上兩種方法，高斯濾波法的圖像邊緣信息保持良好，針對(duì)染色品的色差檢測這一研究目標(biāo)，采用高斯濾波法相比較而言較為適合。 原圖像 線性濾波法 中值濾波圖像 高斯模版濾波法圖23 三種圖像預(yù)處理的效果圖22 圖像顏色空間顏色空間也稱彩色系統(tǒng)[7] [8] [9]，其目的是在某些標(biāo)準(zhǔn)下用通常可接受的方式對(duì)彩色加以說明。位于系統(tǒng)的每種顏色都由單個(gè)點(diǎn)來表示。色調(diào)差表示色相的差異（即偏黃或偏紅等），明度差表示深淺的差異，彩度差表示鮮艷度的差異。221 R G B空間現(xiàn)有采集設(shè)備最初采集的均為圖像的RGB值。R,G,B為三基色，它們相互之間是互獨(dú)立的，即任何一種基色都不能有其它兩種顏色合成，而任何彩色都可以用紅、綠、藍(lán)3種基色配制而成，看起來似乎完美，但在進(jìn)行圖像處理時(shí)，則會(huì)發(fā)現(xiàn)它的不足：其一，RGB顏色空間是最不均勻的顏色空間之一。其二，RGB空間不直觀，顏色認(rèn)知屬性很難通過RGB的值來體現(xiàn)。高相關(guān)性的存在，不僅對(duì)圖像數(shù)據(jù)壓縮造成了相當(dāng)?shù)睦щy，而且也為圖像的顏色處理帶來了麻煩。這和日常生活中人們關(guān)于顏色的概念無法吻合，也無法理解。222 HSV顏色空間HSV模型的三維表示從RGB立方體演化而來。該參數(shù)用一角度量來表示，紅、綠、藍(lán)分別相隔120度。 （2） 純度S為一比例值，范圍從0到1，它表示成所選顏色的純度和該顏色最大的純度之間的比率。 （3） V表示色彩的明亮程度，范圍從0到1。 HSV是一種比較直觀的顏色模型，其顏色空間示意圖如下所示。對(duì)于色差檢測系統(tǒng)而言，待測目標(biāo)的H值具有良好的分類特性。它適用于一切光源色體或物體色的表示與計(jì)算。a表示從紅色至綠色的范圍，a取值為+127128(洋紅綠)。下圖為LAB顏色空間的量化特性。（2） 在Lab中進(jìn)行調(diào)節(jié)很簡單，速度很快。人的肉眼能感知的色彩，都能通過LAB顏色空間表現(xiàn)出來。23 色差計(jì)算原理針對(duì)標(biāo)準(zhǔn)樣和試樣之間的色差可接受程度所進(jìn)行的研究，相關(guān)科研人員已做出了卓越的努力。下面將針對(duì)各種色差公式進(jìn)行介紹與比較并選出本文實(shí)驗(yàn)所采用的色差公式。232 HSV顏色空間色差計(jì)算 HSV顏色空間中的顏色信息主要包含于H分離（色度分量）、S分量（飽和度分量）、V分量（亮度分量）。因此，我們一般采用三者差異的加權(quán)和的方式來表現(xiàn)待測物體的顏色與標(biāo)準(zhǔn)顏色的色差，即： 其中。因此試驗(yàn)可取。因此，可以說CIE1976L、A、B色差公式是自1976年起較為通用的色差公式。這樣如果發(fā)現(xiàn)色差問題可以得到有效調(diào)整，便于實(shí)現(xiàn)生產(chǎn)管理的智能化、透明化，提高客戶對(duì)染色質(zhì)量的誠信度并獲得良好的經(jīng)濟(jì)效益。本系統(tǒng)采用的是微視圖像公司的一款高性能圖像采集卡對(duì)圖像進(jìn)行實(shí)時(shí)采集。由于具有高靈敏度的特性，我們可以在高速以及弱光環(huán)境下用它進(jìn)行拍攝工作。染色品色差在線檢測系統(tǒng)簡易示意圖如下所示：圖26 檢測系統(tǒng)示意圖考慮到對(duì)采集圖像的高質(zhì)量要求，光源的選擇也非常重要，下一節(jié)將對(duì)本系統(tǒng)的光源及照明系統(tǒng)進(jìn)行介紹。首先，照明光源不能造成顏色失真，具有足夠的亮度，并在照明區(qū)域內(nèi)亮度保持均勻穩(wěn)定；其次，照明系統(tǒng)和光源要能夠避免被檢測對(duì)象的高反射區(qū)域，以免導(dǎo)致檢測精度的降低或無法檢測；最后，在某些工業(yè)場合，要充分地將光源和照明方案結(jié)合，以突出某些特征量以增加對(duì)比度?？偠灾谶x擇照明系統(tǒng)和光源時(shí)，要充分考慮被檢測對(duì)象的具體情況，確定所需光源的照明亮度、幾何形狀、光譜特性、均勻度、使用壽命以及發(fā)光效率等。（1） A類標(biāo)準(zhǔn)光源：具有相當(dāng)于色溫度CCT（correlated colour temperature）。（2） B類標(biāo)準(zhǔn)光源：具有相當(dāng)于直射太陽光，CCT約為4874K的完全幅射體的光譜功率發(fā)布。（3） C類標(biāo)準(zhǔn)光源：具有相當(dāng)于CCT約為6774K的完全幅射體的光譜功率發(fā)布，它代表陰天太陽光的光譜分布，通常又被稱為評(píng)價(jià)日光。（4） 1964年，CIE委員會(huì)追加了第四種光源D，旨在克服B類和C類光源在紫外區(qū)域的照明缺陷。 1）A 對(duì)應(yīng)光源為鎢絲電燈，CCT為2856K 2）D50 對(duì)應(yīng)光源為版畫與刻印應(yīng)用的暖色調(diào)室內(nèi)燈，CCT為5003K 3）D65 對(duì)應(yīng)光源為色度測量的平均日光燈，CCT為6504K