[发明专利]一种基于滑动的局部邻域窗口的产品表面检测方法

摘要

本发明公开了一种基于滑动的局部邻域窗口的产品表面检测方法，能够对图像进行表面缺陷检测，对非模式图像利用积分图技术大大降低运算复杂度，从而提高了检测速度，具有快速的运算速度和很高的检测率，并且把变异系数作为图像局部邻域的同质性测度，利用自适应阈值处理技术，对表面缺陷进行检测和定位，能够有效的检测多种不同的表面缺陷，具有一定的普遍性和适应性，并且受光照不均的影响小，具有很好的鲁棒性，能够适用于工业生产线上产品质量的控制；对模式图像则建立缺陷图像稀疏表示，根据匹配跟踪算法,简化模型并求解，得到纹理背景部分最优解和缺陷前景部分最优解，将模式图像转化为非模式图像，从而能够对模式图像进行表面缺陷检测。

主权项

1.一种基于滑动的局部邻域窗口的产品表面检测方法，其特征在于：包括以下步骤：/nA、判断产品的表面图像属于非模式图像还是模式图像，若为非模式图像，转到步骤C，若为模式图像，转到步骤B；/nB、根据模式图像能够在冗余字典下稀疏表示的特点，建立缺陷图像稀疏表示模型，将缺陷前景从背景中分离出来，从而将模式图像的缺陷检测问题转化为非模式图像的缺陷检测问题；/nB1、把模式图像Y分解为纹理背景部分Y_t和缺陷前景部分Y_d，即模式图像Y由纹理背景部分Y_t和缺陷前景部分Y_d通过线性叠加组成，即Y＝Y_t+Y_d；/nB2、对模式图像Y建立缺陷图像稀疏表示模型，即：/n /n其中，α_t为纹理背景部分的稀疏系数，α_d为缺陷前景部分的稀疏系数，为纹理背景部分的最优稀疏系数，为缺陷前景部分的最优稀疏系数，λ为权重系数，D_t为超完备的背景字典，D_d为超完备的缺陷字典；/nB3、根据匹配跟踪算法的思想，把模式图像Y的缺陷图像稀疏表示模型转换为简化模型：/n /nB4、求解步骤B3中的最终模型，得到纹理背景部分最优解Y_t^opt和缺陷前景部分最优解此时，模式图像Y转化为非模式图像I；/nC、对产品的非模式图像进行表面图像采集，得到一幅像素大小为M×N的图像I，其中，M和N均为大于零的整数；/nD、采用一个像素大小为W*W，中心像素为P(x，y)的局部邻域窗口对图像I进行滑动扫描，同时使用能够大大降低运算复杂度的积分图技术，得到局部邻域窗口内所有像素的灰度均值，其中，W＝2*w+1，w为大于零的整数，W≤M且W≤N；/nE、利用局部邻域窗口内所有像素的灰度均值，得到局部邻域窗口内所有像素的灰度均值的标准偏差；/nF、利用局部邻域窗口内所有像素的灰度均值和标准偏差，得到图像I中每个像素的变异系数，即局部同质性测度值；/nG、利用图像I中所有像素的局部同质性测度值，得到图像I中所有像素的局部同质性测度均值，公式如下：/nT_cv＝μ_cv+ω，/n其中，T_cv为自适应阈值，ω为阈值控制变量/nH、运用自适应阈值处理技术，利用图像I中所有像素的局部同质性测度均值求得自适应阈值；/nI、把图像I中所有像素的局部同质性测度值与自适应阈值作比较，局部同质性测度值小于自适应阈值的像素被判断为非缺陷区域，反之，该像素则被判断为缺陷区域；/nJ、根据步骤I的结果，结合已知的可能出现的缺陷的尺寸大小，滤掉过小的伪缺陷区域，得到最后的缺陷分割图，由缺陷分割图判断图像I是否具有缺陷，并由此判断当前产品是否为缺陷产品。/n