[發(fā)明專利]一種快速的玻璃圖像缺陷檢測及分類方法及其裝置

有效

• 申請?zhí)枺?/td>: 201010266615.0
• 申請日: 2010-08-30
• 公開（公告）號(hào): CN101996405A
• 公開（公告）日: 2011-03-30
• 發(fā)明（設(shè)計(jì)）人: 陳熙霖;柴秀娟;崔振;武斌;鄭媛;陳海峰
• 申請（專利權(quán)）人: 中國科學(xué)院計(jì)算技術(shù)研究所;圣戈班研發(fā)（上海）有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06K9/62
• 代理公司: 北京律誠同業(yè)知識(shí)產(chǎn)權(quán)代理有限公司 11006
• 代理人: 祁建國;梁揮

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理、計(jì)算機(jī)視覺和模式識(shí)別技術(shù)領(lǐng)域，特別是涉及一種快速的玻璃圖像缺陷檢測及分類方法及其裝置。

背景技術(shù)

傳統(tǒng)的玻璃圖像缺陷檢測和分類是由人工完成的，但這種方法受人為主觀因素的影響，效率低，難以滿足生產(chǎn)不斷發(fā)展的需要。隨著計(jì)算技術(shù)的不斷發(fā)展，利用數(shù)字圖像處理技術(shù)來對(duì)圖像進(jìn)行分析從而進(jìn)行缺陷檢測逐漸成為工業(yè)缺陷檢測領(lǐng)域的主流。這種技術(shù)具有檢測速度快、無需人工操作的優(yōu)勢，應(yīng)用前景廣泛。然而，光照條件的變化、缺陷形成的復(fù)雜性、玻璃上的各種懸浮物的影響(如：浮塵、水漬、或纖維等)都使得基于視覺的玻璃圖像缺陷檢測任務(wù)變得非常困難。

國外在玻璃生產(chǎn)過程中廣泛的采用了自動(dòng)檢測設(shè)備，如英國的Pilkington公司，美國的Image?Automation公司，德國的LASOR公司和Innomess公司，以及日本的旭硝子等企業(yè)都自主研制出浮法玻璃在線自動(dòng)檢測系統(tǒng)。國內(nèi)對(duì)玻璃圖像缺陷檢測的研究開展較晚，技術(shù)相對(duì)簡單，目前與國外檢測技術(shù)相比還有很大差距。現(xiàn)有的文獻(xiàn)多數(shù)是利用簡單的圖像預(yù)處理操作來實(shí)現(xiàn)玻璃圖像缺陷的檢測，如對(duì)圖像進(jìn)行邊緣提取、平滑處理、對(duì)比度增強(qiáng)或者更復(fù)雜的水線分割算法等。為獲取更加準(zhǔn)確的缺陷區(qū)域，還有研究者對(duì)用于進(jìn)行缺陷域分割的閾值進(jìn)行優(yōu)化(參考：劉洲峰等，玻璃缺陷圖像分割方法研究與實(shí)現(xiàn)，中原工學(xué)院學(xué)報(bào))。除此之外，有研究人員利用行程長編碼(Run-length-encoding，RLE)算法設(shè)計(jì)了線陣圖像的污點(diǎn)查找算法，實(shí)現(xiàn)對(duì)缺陷的定位(參考：余文勇等，一種浮法玻璃全面缺陷在線檢測系統(tǒng)，華中科技大學(xué)學(xué)報(bào))。在缺陷分類方面，目前國內(nèi)廣泛采用的是基于規(guī)則或模板匹配的方法。所謂基于規(guī)則的方法，即根據(jù)不同類型缺陷的成因，分析其在圖像上反應(yīng)出來的特征，包括亮度特征、幾何特征等。如對(duì)于氣泡類缺陷，氣泡邊緣灰度值低于周圍背景，但內(nèi)部某點(diǎn)灰度值會(huì)略高于背景灰度(參考：周欣等，玻璃缺陷快速檢測分類研究，微計(jì)算機(jī)信息)。模板匹配的方法通常是用提取缺陷域的邊緣輪廓或二值圖像，與預(yù)先存儲(chǔ)的缺陷樣本進(jìn)行匹配來實(shí)現(xiàn)。但由于同一種缺陷在圖像上所表現(xiàn)出來的亮度外觀也是有差別的，因此無論是基于規(guī)則的方法還是模板匹配的方法從統(tǒng)計(jì)意義上來講，性能都不夠穩(wěn)定。近兩年的研究人員開始探索提取其他圖像特征，并采用神經(jīng)網(wǎng)絡(luò)或SVM(Support?Vector?Machine，支持向量機(jī))分類器來進(jìn)行缺陷分類。在選擇特征時(shí)，可采用缺陷域的幾何參數(shù)作為特征，也可以對(duì)缺陷域進(jìn)行特征變換，如提取小波包特征或矩特征來進(jìn)行分類(參考：鄭斌，玻璃缺陷圖像識(shí)別的關(guān)鍵技術(shù)研究，碩士論文，武漢理工大學(xué))。相對(duì)來講，基于統(tǒng)計(jì)的分類方法可以獲得更好的分類性能，但幾何特征數(shù)目較少，描述能力不夠強(qiáng)；而小波特征變換較為復(fù)雜，耗時(shí)較長。因此，選取既具有強(qiáng)描述能力且變換簡單的合適的特征對(duì)于提升最后的分類性能是非常關(guān)鍵的。

當(dāng)前的玻璃圖像缺陷檢測及分類的研究多數(shù)是基于干凈的缺陷圖像進(jìn)行的，即沒有考慮圖像上還存在有其他灰塵、污漬等的影響，因此，實(shí)際可以看做是對(duì)真實(shí)應(yīng)用情況的簡化。但實(shí)際上這些因素的影響會(huì)使得缺陷檢測和分類任務(wù)變得非常困難，即要判斷輸入圖像的某個(gè)區(qū)域是否存在缺陷，以及該缺陷是屬于預(yù)先定義的缺陷類別，還是屬于未定義的缺陷類別。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種快速的玻璃圖像缺陷檢測及分類方法及其裝置，用于對(duì)包含噪聲的玻璃圖像幀中的缺陷進(jìn)行準(zhǔn)確檢測，并且能夠有效地區(qū)分缺陷的類別，包括對(duì)未定義缺陷的判別。

為了實(shí)現(xiàn)上述目的，本發(fā)明提供一種快速的玻璃圖像缺陷檢測及分類方法，其特征在于，包括：

步驟1，對(duì)于輸入的玻璃圖像進(jìn)行窗口掃描，根據(jù)窗口內(nèi)灰度分布的均衡性度量，得到候選缺陷窗口；

步驟2，根據(jù)所述候選缺陷窗口的位置關(guān)系，合并相鄰的所述候選缺陷窗口，得到候選缺陷區(qū)域；

步驟3，獲取所述候選缺陷區(qū)域的背景信息，并按照所述候選缺陷區(qū)域的灰度分布模式提取缺陷域；

步驟4，將所述缺陷域按照尺度進(jìn)行歸一化，并提取特征向量，根據(jù)所述特征向量進(jìn)行缺陷分類，得到缺陷分類結(jié)果。

所述的玻璃圖像缺陷檢測及分類方法，其中，

所述步驟1中，進(jìn)一步包括：

用窗口區(qū)域的灰度方差作為窗口內(nèi)灰度分布的均衡性度量，以判斷所述窗口是否可能包含缺陷，灰度方差公式如下：