[發明專利]一種基于滑動的局部鄰域窗口的產品表面檢測方法

有效

• 申請號: 201611120805.5
• 申請日: 2016-12-07
• 公開（公告）號: CN106780455B
• 公開（公告）日: 2019-11-19
• 發明（設計）人: 李澄非;陳新華;田果;黃慶磊;麥敬堂;甄浩偉
• 申請（專利權）人: 五邑大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/194;G06T7/10;G06T7/136
• 代理公司: 44205 廣州嘉權專利商標事務所有限公司
• 代理人: 梁嘉琦<國際申請>=<國際公布>=<進入

1.一種基于滑動的局部鄰域窗口的產品表面檢測方法，其特征在于：包括以下步驟：

A、判斷產品的表面圖像屬于非模式圖像還是模式圖像，若為非模式圖像，轉到步驟C，若為模式圖像，轉到步驟B；

B、根據模式圖像能夠在冗余字典下稀疏表示的特點，建立缺陷圖像稀疏表示模型，將缺陷前景從背景中分離出來，從而將模式圖像的缺陷檢測問題轉化為非模式圖像的缺陷檢測問題；

B1、把模式圖像Y分解為紋理背景部分Y_t和缺陷前景部分Y_d，即模式圖像Y由紋理背景部分Y_t和缺陷前景部分Y_d通過線性疊加組成，即Y＝Y_t+Y_d；

B2、對模式圖像Y建立缺陷圖像稀疏表示模型，即：

其中，α_t為紋理背景部分的稀疏系數，α_d為缺陷前景部分的稀疏系數，為紋理背景部分的最優稀疏系數，為缺陷前景部分的最優稀疏系數，λ為權重系數，D_t為超完備的背景字典，D_d為超完備的缺陷字典；

B3、根據匹配跟蹤算法的思想，把模式圖像Y的缺陷圖像稀疏表示模型轉換為簡化模型：

B4、求解步驟B3中的最終模型，得到紋理背景部分最優解Y_t^opt和缺陷前景部分最優解此時，模式圖像Y轉化為非模式圖像I；

C、對產品的非模式圖像進行表面圖像采集，得到一幅像素大小為M×N的圖像I，其中，M和N均為大于零的整數；

D、采用一個像素大小為W*W，中心像素為P(x，y)的局部鄰域窗口對圖像I進行滑動掃描，同時使用能夠大大降低運算復雜度的積分圖技術，得到局部鄰域窗口內所有像素的灰度均值，其中，W＝2*w+1，w為大于零的整數，W≤M且W≤N；

E、利用局部鄰域窗口內所有像素的灰度均值，得到局部鄰域窗口內所有像素的灰度均值的標準偏差；

F、利用局部鄰域窗口內所有像素的灰度均值和標準偏差，得到圖像I中每個像素的變異系數，即局部同質性測度值；

G、利用圖像I中所有像素的局部同質性測度值，得到圖像I中所有像素的局部同質性測度均值，公式如下：

T_cv＝μ_cv+ω，

其中，T_cv為自適應閾值，ω為閾值控制變量

H、運用自適應閾值處理技術，利用圖像I中所有像素的局部同質性測度均值求得自適應閾值；

I、把圖像I中所有像素的局部同質性測度值與自適應閾值作比較，局部同質性測度值小于自適應閾值的像素被判斷為非缺陷區域，反之，該像素則被判斷為缺陷區域；

J、根據步驟I的結果，結合已知的可能出現的缺陷的尺寸大小，濾掉過小的偽缺陷區域，得到最后的缺陷分割圖，由缺陷分割圖判斷圖像I是否具有缺陷，并由此判斷當前產品是否為缺陷產品。

2.根據權利要求1所述的一種基于滑動的局部鄰域窗口的產品表面檢測方法，其特征在于：所述步驟D中得到局部鄰域窗口內所有像素的灰度均值的公式如下：

其中，μ_x,y為局部鄰域窗口內像素灰度均值。

3.根據權利要求1所述的一種基于滑動的局部鄰域窗口的產品表面檢測方法，其特征在于：所述步驟E中得到標準偏差的公式如下：

其中，σ_x,y為標準偏差，I(x，y)為坐標(x，y)處對應像素的灰度值，x＝1，2，...，M，y＝1，2，...，N。

4.根據權利要求1所述的一種基于滑動的局部鄰域窗口的產品表面檢測方法，其特征在于：所述步驟F中得到圖像I中每個像素的局部同質性測度值的公式如下：

其中，C_v(x,y)為局部同質性測度值。

5.根據權利要求1所述的一種基于滑動的局部鄰域窗口的產品表面檢測方法，其特征在于：所述步驟G中得到圖像I中所有像素的局部同質性測度均值的公式如下：

其中，μ_cv為圖像I中所有像素的局部同質性測度均值。