随着生活水平的提高,私家车保有量激增,消费者在关注性能同时也开始注重内部饰品质量。皮革作为其内部座椅等主要器件的重要材料,其品质被严格要求,但由于牛皮等皮革原材料在生长生产过程中的蚊虫叮咬及人为误伤,使其表面不可避免的存在各种瑕疵,因此需要定位其表面瑕疵部分,以便控制产品品质和指导后续生产加工。目前汽车座椅生产厂家采用的人工皮革瑕疵查找方式存在误检率高,效率低等缺点,而基于计算机视觉方式检测的可行性及优势使得其希望能引入计算机视觉方式,替代人工,使检测更安全,更效率,更稳定,更客观同时也更节约成本。针对目前皮革瑕疵检测中瑕疵与非瑕疵区域之间的低对比度和复杂随机纹理的干扰等原因造成其检测难度大、速度慢;且没有瑕疵检测效果的客观量化评判方法等问题,通过初步分析皮革瑕疵样本,最终对人工视觉查找有难度的皮革微小瑕疵的自动检测作如下几方面工作:首先,建立皮革瑕疵检测算法的评价方法。将瑕疵检测看作特殊的分类工作,参考文本分类的评价指标,提出一种基于召回率和准确率的评价体系。通过一种人工画笔标记样本图像中瑕疵区域并经过识别、分割处理的方式获取黄金标准,并将其作为算法检测结果的参考。然后通过计算定义的P、R、f及综合评价参数F等评价指标,实现对瑕疵检测结果像素级的数字化评价,为算法研究提供客观的指导。其次,基于皮革瑕疵查找是人眼注意选择机制的一种表现,提出基于视觉显著度的瑕疵检测模型。基于该模型的瑕疵检测算法,首先提取颜色、亮度特征,利用图像本身作为模板进行对比计算显著度图;然后根据随机均匀分布纹理图像中“突出”部分显著度高的特征,通过最显著像素点利用区域增长法分割定位瑕疵区域。分别利用该算法与阈值法、基于模糊聚类及支持向量机等现有瑕疵检测算法对皮革瑕疵样本对比实验,结果表明该算法解决了模板和有效特征提取困难的问题,能有效检测微小皮革瑕疵。最后,对纹理分析技术进行研究,设计了一种基于灰度共生矩阵的纹理表述,结合基于视觉显著度的皮革瑕疵检测算法以进一步提高检测效果。首先对图像进行灰度共生矩阵的统计,然后计算每个像素的灰度分布频率作为其纹理表示。该纹理特征较传统基于共生矩阵的能量等纹理特征计算量大、速度慢等劣势更适用于应用在有一定实时性要求的皮革瑕疵检测中,实验结果也表明结合纹理分析后在检测效果也有一定提高,具有一定意义。