一种基于滑动的局部邻域窗口的产品表面检测方法技术

本发明专利技术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。

A method of product surface detection based on sliding neighborhood window

The invention discloses a method for detecting surface local neighborhood window based on sliding, able to image the detection of surface defects, for non model image based on integral image technology can greatly reduce the computational complexity, and improve the detection speed, with rapid speed and high detection rate, and the coefficient of variation as homogeneity to measure the image of the local neighborhood using adaptive thresholding technique, detection and location of defects on the surface, can effectively detect various surface defects of different, universality and adaptability, and light effects are small, has good robustness, can be applied to industrial production line of quality products the model is built on the image; defect image matching tracking algorithm based on sparse representation, simplified model and solution, get the texture background The partial optimal solution and the partial optimal solution of the defect foreground are transformed into non model images, so that the surface defects of the pattern images can be detected.

【技术实现步骤摘要】
一种基于滑动的局部邻域窗口的产品表面检测方法
本专利技术涉及一种基于滑动的局部邻域窗口的产品表面检测方法，特别适用于自动化的工业生产线上不锈钢产品的表面缺陷检测。
技术介绍
目前，不论模式产品还是非模式产品，其自动化工业生产线都是以表面缺陷检测算法作为自动检测系统的核心来进行产品质量的控制，但是由于表面缺陷检测涉及的产品范围较广，各种产品表面复杂度不同，缺陷随机性强等诸多的难题，表面缺陷检测一直是工业生产行业的难点。尽管近几年来基于机器视觉的表面缺陷检测技术取得了重大进步，但是表面缺陷检测技术仍面临着诸如检测速度慢、识别精度低、光照不均、环境噪声大等难题，并且由于检测算法没有普遍性和适应性，很难用一个算法应用到所有的实际工程项目中，因此研究人员需对不同的产品研究合适其的检测算法。
技术实现思路
为解决上述问题，本专利技术的目的在于提供一种基于滑动的局部邻域窗口的产品表面检测方法，该表面检测方法能够对图像进行表面缺陷检测。对非模式图像该表面检测方法利用积分图技术大大降低运算复杂度，从而大大提高检测速度，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。本专利技术解决其问题所采用的技术方案是：一种基于滑动的局部邻域窗口的产品表面检测方法，包括以下步骤：A、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；B、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；C、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；D、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；E、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；F、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；G、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；H、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；I、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；J、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。进一步，步骤D中得到局部邻域窗口内所有像素的灰度均值的公式如下：其中，μx，y为局部邻域窗口内像素灰度均值。进一步，步骤E中得到标准偏差的公式如下：其中，σx，y为标准偏差，I(x，y)为坐标(x，y)处对应像素的灰度值，x＝1，2，...，M，y＝1，2，...，N。进一步，步骤F中得到图像I中每个像素的局部同质性测度值的公式如下：其中，Cv(x，y)为局部同质性测度值。进一步，步骤G中得到图像I中所有像素的局部同质性测度均值的公式如下：其中，μcv为图像I中所有像素的局部同质性测度均值。进一步，步骤H中运用自适应阈值处理技术得到自适应阈值的公式如下：Tcv＝μcv+ω其中，Tcv为自适应阈值，ω为阈值控制变量。不同的图像有不同的自适应阈值Tcv，其随着图像的不同而自适应的变化。阈值控制变量ω根据检测对象的不同而取不同的值，其能够通过选择大量的无缺陷样本和缺陷样本进行离线学习而被得到。进一步，步骤D中利用积分图技术求得局部邻域窗口内所有像素的灰度均值的积分图表示式如下：其中，G(x，y)为从图像I的左上角的起始像素与当前像素所围成的矩形区域内所有像素的灰度值之和。对于具有矩形特征的图像I，由于对其进行运算的运算量过大，会导致运算缓慢，因此在对图像I进行运算时引入能够快速计算特征值的积分图技术，积分图是一种能够描述全局信息的矩阵表示方法，能够只遍历一次图像I就可以求出图像I中所有区域的像素和，极大地提高了图像矩形特征值的计算效率。进一步，对于光滑金属表面、布匹表面、钢板表面的缺陷检测，局部邻域窗口的像素大小W*W分别为13×13、13×13和16×16。在工业生产中，可能出现的缺陷，其尺寸大小是事先知道的，所以可以选择适当的局部邻域窗口的大小进行检测，局部邻域窗口的大小W×W的选择会直接影响算法的检测效果，如果局部邻域窗口的尺寸选择过小，可能只检测到缺陷的边缘部分，从而导致缺陷检测不完整，甚至会造成缺陷的误检和漏检，如果局部邻域窗口的尺寸选择过大，则可能会平滑图像而忽略细小缺陷，同样也会造成漏检。一般情况下，局部邻域窗口的大小应该比缺陷的尺寸大一些。进一步，对于光滑金属表面、布匹表面、钢板表面的缺陷检测，阈值控制变量ω分别为0.3、0.8和0.3。在工业生产中，阈值控制变量ω的选择会直接影响算法的检测效果，其根据检测对象的不同而取不同的值，能够通过选择大量的无缺陷样本和缺陷样本进行离线学习而被得到。进一步，步骤B中建立缺陷图像稀疏表示模型，并将模式图像转化为非模式图像的具体步骤为：A1、把模式图像Y分解为纹理背景部分Yt和缺陷前景部分Yd，即模式图像Y由纹理背景部分Yt和缺陷前景部分Yd通过线性叠加组成，即Y＝Yt+Yd；B1、对模式图像Y建立缺陷图像稀疏表示模型，即：其中，αt为纹理背景部分的稀疏系数，αd为缺陷前景部分的稀疏系数，αtopt为纹理背景部分的最优稀疏系数，αdopt为缺陷前景部分的最优稀疏系数，λ为权重系数，Dt为超完备的背景字典，Dd为超完备的缺陷字典；C1、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：D1、求解步骤C1中的最终模型，得到纹理背景部分最优解Ttopt和缺陷前景部分最优解模式图像Y转化为非模式图像I。本专利技术的有益效果是：一种基于滑动的局部邻域窗口的产品表面检测方法，能够对模式图像和非模式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，从而大大提高检测速度，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，将模式图本文档来自技高网...

【技术保护点】
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：A、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；B、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；C、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；D、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；E、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；F、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；G、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；H、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；I、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；J、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。...

【技术特征摘要】
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：A、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；B、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；C、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；D、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；E、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；F、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；G、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；H、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；I、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；J、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。2.根据权利要求1所述的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：所述步骤D中得到局部邻域窗口内所有像素的灰度均值的公式如下：其中，μx，y为局部邻域窗口内像素灰度均值。3.根据权利要求1所述的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：所述步骤E中得到标准偏差的公式如下：其中，σx，y为标准偏差，I(x，y)为坐标(x，y)处对应像素的灰度值，x＝1，2，...，M，y＝1，2，...，N。4.根据权利要求1所述的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：所述步骤F中得到图像I中每个像素的局部同质性测度值的公式如下：其中，Cv(x，y)为局部同质性测度值。5.根据权利要求1所述的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：所述步骤G中得到图像I中所有像素的局部同质性测度均值...

【专利技术属性】
技术研发人员：李澄非，陈新华，田果，黄庆磊，麦敬堂，甄浩伟，
申请(专利权)人：五邑大学，
类型：发明
国别省市：广东,44