基于遗传算法的织物疵点特征选择.pdf

《基于遗传算法的织物疵点特征选择.pdf》由会员分享，可在线阅读，更多相关《基于遗传算法的织物疵点特征选择.pdf（4页珍藏版）》请在三一文库上搜索。

1、第3 0 卷第1 2 期 2 0 0 9 年1 2 月 纺织学报 J o u r n a lo fT e x t i l eR e s e a r c h V o I 3 0N o 1 2 D e c 2 0 0 9 文章编号：0 2 5 3 9 7 2 1 ( 2 0 0 9 ) 1 2 0 0 4 1 0 4 基于遗传算法的织物疵点特征选择 姚桂国，钟小勇，梁金祥，左保齐 ( 苏州大学纺织与服装工程学院，江苏苏州2 1 5 0 2 1 ) 摘要为提高疵点分类的正确率，提出应用遗传算法对织物的疵点进行特征选择。首先提取机织物疵点图像， 基于直方图、灰度共生矩阵、灰度差分统计、小波差分统计等描

2、述纹理特征，采用遗传算法对这些特征组成的特征 向量进行特征选择再用支持向量机( S V M ) 分别对原特征向量和选择的特征子向量进行分类。实验结果显示，织物 疵点的平均识别率从原来的8 9 提高到9 5 ，说明该算法对织物疵点特征选择是有效的。 关键词织物疵点；遗传算法；特征选择；支持向量机 中图分类号：T P3 9 1 ；T S1 0 1 9 7 文献标志码：A F e a t u r es e l e c t i o no ff a b r i cd e f e c t sb a s e do ng e n e t i ca l g o r i t h m Y A OG u i g u

3、o ，Z H O N GX i a o y o n g ，H A N GJ i n x i a n g ，Z U OB a o q i ( C o l l e g eo fT e x t i l ea n dC l o t h i n gb 扫咖，S o o c h o w ( 妙，S u z h o u ，J i a n g s u 2 1 5 0 2 1 ，O h h a ) A b s t r a c tI no r d e rt oi m p r o v et h ea c c u r a c yo fd e f e c t sc l a s s i f i c a t i o n ，

4、ag e n e t i ca l g o r i t h mi sp r o p o s e dt oa p p l y f e a t u r es e l e c t i o nt ot h ef a b r i cd e f e c t s n ef i r s ts t e po ft l l i sm e t h o dW a ge x t r a c t i n gt h et e x t u r ef e a t u r e so fi m a g e d e f e c t s 。w h i c ha r eb a s e do nt h ec h a r a c t e r

5、 i s t i c so ft h eh i s t o g r a m ，t h eg r a y 1 e v e lc o - o c c u r r e n c em a t r i x ( G L C M ) f e a t u r e s ，g r a y - s c a l es t a t i s t i c a ld i f f e r e n c e ，g r a ys t a t i s t i c a ld i f f e r e n c ei nw a v e l e td o m a i n ，e t c T h e nt h eg e n e t i c a l

6、g o r i t h m ( G A ) w a sa p p l i e dt os e l e c tt h e s ef e a t u r e so ft h ec o m p o s i t i o no ft h e f e a t u r ev e c t o r F i n a l l y ，s u p p o r t v e c t o rm a c h i n e ( S V M ) w 明u s e dt oc l a s s “yt h eo r i g i n a lf e a t u r ev e c t o ra n dn e wf e a t u r ev e

7、 c t o r ，r e s p e c t i v e l y T h er e s u l t ss h o w e dt h a tt h ea v e r a g er e c o g n i t i o nr a t eo ff a b r i cd e f e c t sa s c e n d e df r o m8 9p e r c e n tt o9 5p e r c e n t 。 d e m o n s t r a t i n gt h a tt h em e t l l o di Sv a l i df o rf e a t u r es e l e c t i o n

8、o ff a b r i cd e f e c t s K e yw o r d s f a b r i cd e f e c t s ；g e n e t i ca l g o r i t h m ( G A ) ；f e a t u r es e l e c t i o n ；s u p p o r tv e c t o rm a c h i n e ( S V M ) 织物疵点检测是纺织品质量检测的重要内容之 一。传统的人工检测效率低，误检率和漏检率高，严 重影响了纺织检测技术的发展。近十几年来，很多 学者研究基于机器视觉的方法来代替人工检测的传 统方法。其中疵点特征的提取一直是研究的重

9、点， 但很少涉及特征的选择。本文将以丝织物常见的几 种疵点为研究对象，根据前人已有的研究，提取机织 物疵点的特征向量，并在此基础上应用遗传算法进 行特征选择。 1原理 遗传算法是在模拟自然环境中遗传与进化工程 而形成的一种自适应全局优化概率搜索算法。该算 法是通过对其位进行遗传操作，应先根据要求对其 个体编码，再根据要求生成初始种群的个体，最后， 通过对每个个体进行适应度计算，决定该个体被选 择的概率以及交叉和变异的遗传操作。随着遗传代 数的不断增加，它的平均适应度有增加的趋势。最 终得到近似最优值。实现原理见图1 。 2 实验步骤 2 1 图像的采集和预处理 将织物平放，用数码相机拍摄图像，

10、然后将图像 剪切成2 5 6 像素2 5 6 像素的图像。由于噪声对疵 点的识别影响很大，所以需对织物图像进行预处理。 收稿日期：2 0 0 8 1 1 2 6修回日期：2 0 0 9 0 5 2 9 作者简介：姚桂国( 1 9 8 5 一) 。男硕士生。主要研究方向为数字化纺织技术。左保齐，通讯作者，E - m a i l ：I x i z u o s u d a e d u C l l 。 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermark 4 2 纺织学报第3

11、0 卷 图1遗传算法的程序框图 F i g 1 G Ap r o c e s sd i a g r a m 本文采用中值滤波法，处理后的织物疵点图像可以 很好地保留疵点的边缘( 见图2 ) 。 ( c ) 缺经( d ) 油污 图2 织物疵点图像 F i g 2 F a b r i cd e f e c ti m a g e ( a ) D o u b l ew e f t ；( b ) H o l e s ； ( C ) W a r p l a c k i n g ；( d ) O i ls t a i n 2 2 特征提取 特征提取与选择是对疵点图像进行分类的重要 步骤，也是难点之一，而织

12、物疵点特征的提取主要是 基于纹理分析。目前疵点检测的纹理特征提取主要 还是采用统计的方法。本文根据前人的研究和算 法，提取3 0 个原始纹理特征乜。7 ，这些特征已被证 明在进行纹理分析时具有很好的性能。他们大致可 分为4 类。 1 ) 基于直方图的特征：均值、标准偏差、平滑度、 三阶矩、一致性、熵； 2 ) 基于灰度共生矩阵的特征：对比度、相关性、7 能量、熵； 3 ) 基于灰度方差统计的特征：熵、对比度、均值、 能量； 4 ) 基于小波的灰度差分统计特征：一级小波分 解下( 水平子带、垂直子带、对角子带、近似子带) 的 熵、对比度、均值、能量。 选取正常织物、粗纬、破洞、油污织物图像各 2

13、 0 幅，按照上述特征提取的方法，提取每个图像的 3 0 个特征值，组成3 0 个特征向量。最后，将各类织 物的图像特征值取平均值，组成各类织物的特征向 量5 个，用于遗传算法的特征选择。 2 3 特征选择 特征的选择即选取最优的特征组合，以便将疵 点进行分类。 2 3 1 编码 将提取的特征向量按顺序排列，采用二进制编 码的方法。由于提取了3 0 个特征值，因此染色体 ( 个体) 的长度L = 3 0 ，个体的每个基因对应相应次 序的特征，即当个体中的某个基因为“l ”时，表示对 应的特征已被选用，为“0 ”时，表示该特征未被选用。 例如个体1 0 0 1 0 0 0 1 0 0 1 0 0

14、 1 0 0 0 0 0 0 1 0 0 0 0 1 0 1 0 0 表示第 1 、4 、8 、1 1 、1 4 、2 1 、2 6 、2 8 个特征被选用，这样就以这 8 个特征组合为1 个新个体，用其代替原来的特征 向量用于分类旧。9 。 2 3 2 初始种群和终止条件的设定 取每代群体个数，l = 1 0 0 ，利用随机函数产生 1 0 0 个染色体组成初始群体，一般进化的代r = 1 0 0 10 0 0 ，本文取T = 8 0 0 。 2 3 3 适应度函数的设计 特征的选择是为了找到分类能力最强的特征子 向量，其好坏直接关系到遗传算法的性能因此需要 找到合适的评价函数用于判断特征向

15、量的分类能 力。本文采用类间与类内的距离，( 菇) 作为可分类 的判据。它的函数为J ( 菇) = S 。一S 。，类间距离为 s 。= ( ( u i u ，) ( u i u ，) 7 ) 专。其中：i 、J 代表织物的 类别；毗= E 卫i ，H i = E 茹i ，分别为正常织物与疵 点织物类的平均向量。 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermark 第1 2 期姚桂国等：基于遗传算法的织物疵点特征选择 4 3 类内距离为 t 。 s 。= i 1 (

16、( 髫。一。) ( z r u i ) 7 ) 寺+ 。 l ， “I 去( ( x j 一) ( 巧一U i ) 7 ) 专 。I l 式中：聋；、茗，分别为正常织物和疵点织物的特征向 量；凡。为正常织物数量；n j 为疵点织物数量。如使 适应度函数，( 茁) 最大，则选择的个体越有利于进行 分类，即选取的疵点特征最优一引。 2 3 4 遗传算子的确定 遗传算子包括选择、交叉、变异等3 种操作。本 文的选择算子采用赌轮的方法，也就是种群中的每 个个体按照适应度大小在虚拟轮盘中都有1 个相应 分段，适应度大的个体分段大些，适应度小的个体分 段较小。这样适应度大的特征向量遗传到下一代的 概率也越

17、大。交叉算子则是将2 个特征向量交配而 重组，形成1 个新的特征向量。本文实验采用单点 随机交叉的方法，其交叉概率取0 7 。变异算子是 由特征向量位的突然变异而形成的1 个新的特征向 量，但是它发生的概率非常小。实验采用基本位变 异的方法，变异概率取0 0 1 。 2 3 5实验结果 经过8 0 0 代的遗传操作后，最优特征向量的结 果为1 0 0 0 0 1 0 0 1 1 0 0 0 0 1 1 0 0 1 0 0 1 0 0 1 0 0 0 0 1 ，特征向量的 个数由原来的3 0 个减至1 0 个，可大大缩短分类器 的识别时间，简化分类器设计的复杂度。这些新的 特征，即取直方图的均值

18、、一致性；灰度共生矩阵的 一致性；灰度方差统计的均值、能量；小波一层分解 下的灰度差分统计特征：水平子带的熵、对比度、垂 直子带的熵、能量、对角子带的能量作为特征向量。 以这个子特征量作为新的特征向量，用于疵点的分 类识别。 3结果分析 为了检验这种算法的有效性，本文应用支持向 量机( S V M ) 对原始特征和选择的新特征进行识别分 类，其核函数选用多项式n 。先取正常织物、油污、 缺经、破洞、粗纬织物的图像各1 0 幅，按照上述方法 提取其原始特征和遗传算法选择的新特征，组合成 特征向量，分别用于S V M 的训练，形成2 个训练好 的S V M 识别器( S V M 。、S V M ：

19、) 。然后再取各种疵点 图像各2 0 个用于分类测试。实验步骤见图3 。 图3 疵点识别分类步骤 F i g 3S t e po fd e f e c ti d e n t i f i c a t i o na n dc l a s s i f i c a t i o n 支持向量机( S V M ) 的分类结果( 见表1 ) 表明：1 ) 提取和选择的特征能较好地用于机织物疵点的分 类，但是油污和破洞的识别率相对偏低，只达到 8 5 和8 0 ；2 ) 选择的新特征中，在小波的灰度差 分统计特征被选中的有5 个，说明该类特征能很好 地反映疵点图像的本质特征，是以后特征研究的重 点；3 ) 机

20、织物疵点图像特征经过遗传算法选择后，其 识别的准确率相对于原来的特征有很大的提高，平 均识别率从原来的8 9 提高到9 5 ，证明了该算法 的有效性。 表l 疵点的正确识别率 T a b 1A c c u r a t er a t i oo fd e f e c t si d e n 倘c a t i o n 4结论 特征的选择是模式识别中的重要环节，其好坏 直接关系到织物疵点的识别效果。特征选择也就是 从原有的特征向量中选择最优的子特征集，以提高 分类器的识别效率。本文应用遗传算法的方法，进 行最优的特征集搜索，实现了机织物疵点特征的选 择，并应用支持向量机( S V M ) 进行了识别分类

21、。研 究表明，经过选择后特征向量的正确识别率有了很 大的提高，证明用遗传算法进行疵点特征选择的有 效性。F Z X B 囡囡 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermark 4 4 纺织学报 第3 0 卷 参考文献： 1 周明，孙树栋遗传算法原理及应用 M 北京：国防 工业出版社1 9 9 9 Z H O UM i n g ，S U NS h u d o n g G e n e t i cA l g o r i t h m s ：T h e o r y a n d

22、A p p l i c a t i o n M B e i j i n g ：N a t i o n a lD e f e n s eI n d u s t r y P r E 镕s ，1 9 9 9 2 邹超，朱德森，肖力基于类别共生矩阵的纹理疵点检 测方法 J 华中科技大学学报：自然科学版，2 0 0 6 ， 3 4 ( 4 ) ：2 5 2 8 Z O UC h a o ，Z H UD e s e n ，X I A OL i T e x t u r a ld e f e c t d e t e c t i o nb a s e do nl a b e lC O - O C C U l T

23、 e n c em a t r i x J J o u r n a l o fH u a z l a o n gU n i v e r s i t yo fS c i e n c ea n dT e c h n o l o g y ：N a t u r a l S c i e n c eE d i t i o n ，2 0 0 6 ，3 4 ( 4 ) ：2 5 2 8 3 徐晓峰，段红，魏俊民基于二维小波变换和B P 神经 网络的织物疵点检测方法 J 浙江工程学院学报 2 0 0 4 ，2 1 ( 1 ) ：1 5 1 9 X UX i a o f e n g ，D U A NH o n g

24、 ，W E IJ u n m i n F a b r i cd e f e c t 。d e t e c t i o nw i t ht w o - d i m e n s i o n a lw a v e l e tt r a n s f o r ma n dB P n e u r a ln e t w o r k J J o u r n a lo fZ h e j i a n gI n s t i t u t eo fS c i e n c e a n dT e c h n o l o g y ，2 0 0 4 ，2 1 ( 1 ) ：1 5 一1 9 4 U UJ i a n l i 。

25、Z U OB a o q l I d e n t i f i c a t i o no f f a b r i cd e f e c t s b a s e do nd i s c r e t ew a v e l e tt r a n s f o r ma n db a c k p r o p a g a t i o n n e u r a ln e t w o r k J J o u r n a lo ft h eT e x t i l eI n s t i t u t e ，2 0 0 6 ， 9 8 ( 4 ) ：3 5 5 3 6 2 5 钟克洪，丁明跃，周成平基于小波差分统计特征的

26、 纹理缺陷检测方法 J 系统工程与电子技术2 0 0 4 ， 2 6 ( 5 ) ：6 6 0 6 6 4 Z H O N GK e h o n g ，D I N GM i n g y u e ，Z H O UC h e n g p i n g T e x t u r ed e f e c ti n s p e c t i o nm e t h o du s i n gd i f f e r e n c es t a t i s t i c s f e a t u r ei nw a v e l e td o m a i n JJ S y s t e m sE n g i n e e r i

27、n ga n d E l e c t r o n i c s ，2 0 0 4 ，2 6 ( 5 ) ：6 6 0 6 6 4 6 高晓丁，汪成龙，左贺，等基于直方图统计的织物疵 点识别算法 J 纺织学报，2 0 0 5 ，2 6 ( 2 ) ：1 2 1 1 2 3 G A OX i a o d i n g ，W A N GC h e n g i o n g ，Z U OH e ，e ta 1 F a b r i c b l e m i s hd e t e c t i o nb a s e do na t t r i b u t e dr e l a t i o n a lh i s t

28、o - g r a m J J o u r n a lo fT e x t i l eR e s e a r c h ，2 0 0 5 ，2 6 ( 2 ) ： 1 2 1 1 2 3 7 刘建立，左保齐B P 神经网络在织物疵点识别中的应 用 J 纺织学报，2 0 0 8 ，2 9 ( 9 ) ：4 3 4 6 U UJ i a n l i ，Z U OB a o q i A p p l i c a t i o no fB Pn e u r a ln e t w o r k o nt h ei d e n t i f i c a t i o n o ff a b r i cd e f e c

29、 t s J J o u r n a lo fT e x t i l e R e s e a r c h ，2 0 0 8 ，2 9 ( 9 ) ：4 3 4 6 8 徐贵力，程月华，毛罕平基于遗传算法的番茄缺素叶片 图像特征选择 J 计算机工程2 0 0 3 ，2 9 ( 1 1 ) ：1 2 9 1 3 1 X UG u i l i ，C H E N GY u e h u a ，M A OH a n p i n g F e a t u r e s s e l e c t i o no fl e a v e si m a g ef o rd i a g n o s i n gt o m a

30、t od i s e a s eo f n u t r i e n td e f i c i e n c yb a s e do ng e n e t i ca l g o r i t h m J C o m p u t e r E n g i n e e r i n g ，2 0 0 3 ，2 9 ( 1 1 ) ：1 2 9 1 3 1 9 陈卫东，刘素华基于遗传算法的图像特征选择 J 计算机工程与应用。2 0 0 7 ，4 3 ( 2 8 ) ：7 8 8 0 C H E NW e i d o n g U US u h u a I m a g ef e a t u r e ss e l

31、e c t i o nb a s e d o ng e n e t i ca l g o r i t h m s J C o m p u t e rE n g i n e e r i n ga n d A p p l i c a t i o n ，2 0 0 7 ，4 3 ( 2 8 ) ：7 8 8 0 1 0 孙雷，王新一种基于遗传操作和类内类间距离判据 理论的特征选择方法 J 计算机工程与应用，2 0 0 4 ， 2 l ( 7 8 ) ：1 7 8 1 8 1 S U NL e i ，W A N GX i n Af e a t u r es e l e c t i o nm e t h

32、 o db a s e do n g e n e t i ca l g o r i t h mo p t i o n sa n de u c l i d e a nd i s t a n c ea m o n ga l l i n s t a n c e so fd i f f e r e n tc l a s s J C o m p u t e rE n g i n e e r i n ga n d A p p l i c a t i o n ，2 0 0 4 ，2 1 ( 7 8 ) ：1 7 8 1 8 1 1 1 C H A N GC h i hC h u n g ，L I NC h i hJ e n L I B S V M ：al i b r a r yf o r s u p p o r tv e c t o rm a c h i n e s C P O L 2 0 0 8 1 0 - 0 1 h a p ： w w w c s i e n t u e d u t w 一c j l i n l i b s v m 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermark