[發明專利]基于特征融合和核化RPCA的工業表面缺陷檢測方法

在審

• 申請號: 202011522021.1
• 申請日: 2020-12-18
• 公開（公告）號: CN112508934A
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 王珺璞;徐貴力;王穎;周維虎;程月華;董文德
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/136;G06K9/46;G06K9/62;G06F17/16
• 代理公司: 南京正聯知識產權代理有限公司 32243
• 代理人: 王素琴

1.一種基于特征融合和核化RPCA的工業表面缺陷檢測方法，其特征在于，包括如下步驟：

步驟一：圖像分塊，將待檢測表面圖像無重疊地分成大小相同的圖像塊；

步驟二：特征提取及融合，采用兩種特征描述子，分別提取每個圖像塊的特征向量，進行堆疊后組成兩個特征矩陣，再采用典型相關分析方法將兩個特征矩陣進行融合；

步驟三：模型構造及求解，將核方法引入低秩分解模型中，構造核化RPCA模型，并采用交替方向乘子法交替迭代求解出最優的稀疏矩陣和低秩矩陣；

步驟四：顯著圖生成及分割，根據步驟三中的最優稀疏矩陣得到缺陷顯著圖，再進行閾值分割定位出缺陷位置。

2.根據權利要求1所述的基于特征融合和核化RPCA的工業表面缺陷檢測方法，其特征在于，所述步驟一中對待檢測圖像進行無重疊地均勻分塊的方法是，將大小為M×M的待測圖像無重疊地分為大小為n×n的均勻圖像塊{P_i|i＝1,2,…,N}，其中，是圖像塊的數量。

3.根據權利要求2所述的基于特征融合和核化RPCA的工業表面缺陷檢測方法，其特征在于，所述步驟二中兩種特征矩陣的提取方法是，對于某一種特征描述子，圖像塊P_i的特征向量是該圖像塊中每個像素點特征向量的平均值其中，{f_j|j＝1,2,…n×n}是該圖像塊中第j個像素點的特征向量，將待測圖像中每一圖像塊P_i的特征向量堆疊起來，就得到了該圖像的特征矩陣同理，另一種特征描述子對應的特征矩陣表示為F₂。

4.根據權利要求3所述的基于特征融合和核化RPCA的工業表面缺陷檢測方法，其特征在于，所述步驟二中兩種特征矩陣的融合方法是，通過尋找典型變量U和V，使得兩組線性組合F₁^*＝U'F₁和之間的相關性最大，相關判別準則為其中S₁₂是兩個特征矩陣F₁和F₂的互協方差矩陣，S₁₁是特征矩陣F₁的協方差矩陣，S₂₂是特征矩陣F₂的協方差矩陣，并且，為了確保解的唯一性，令U'S₁₁U＝V'S₂₂V＝1，求解出最優的典型變量U和V后，融合特征表示為

5.根據權利要求4所述的基于特征融合和核化RPCA的工業表面缺陷檢測方法，其特征在于，所述步驟三中將核方法引入RPCA模型的方法為：

其中，F是融合特征，L和E分別為融合特征分解后的低秩矩陣和稀釋矩陣，Ψ(L)為對低秩矩陣進行非線性變換Ψ，||Ψ(L)||_*為Ψ(L)的核范數，||E||₁為E的l₁范數，λ為特征矩陣間的平衡因子。