一种基于稀疏表示的低分辨率触摸屏图像缺陷检测方法技术

本发明专利技术公开了一种基于稀疏表示的低分辨率触摸屏图像缺陷检测方法，包括下述步骤：S1、从正常的触摸屏图像训练集合中提取图像特征构建正常样本对应的原子库D；S2、对冗余的且含有噪声特征的原子库D进行优化筛选并选出子集D′，作为训练样本的稀疏表示字典；S3、在缺陷检测时，提取待检测图像y的特征，通过l1范数极小化求出y在D′下线性表出的系数；S4、若待检测图像y是无缺陷的触摸屏图像的，其在D′下线性表出的系数应该是稀疏的，反之则不稀疏。本发明专利技术利用无缺陷的触摸屏图像建立了过完备基的冗余原子库，对原子库中的原子进行优选构建冗余字典，根据无缺陷触摸屏图像可以由字典稀疏的线性重构，而带缺陷的图像则无法利用字典稀疏的线性重构这一特点对触摸屏图像进行缺陷检测。

【技术实现步骤摘要】
一种基于稀疏表示的低分辨率触摸屏图像缺陷检测方法
本专利技术涉及触摸屏图像缺陷检测的
，特别涉及一种基于稀疏表示的低分辨率触摸屏图像缺陷检测方法。
技术介绍
随着信息技术和平面显示技术的迅速发展，全球触摸屏市场以年均47％的增长率迅猛增长。与此同时，对触摸屏生产工艺及质量控制的要求也越来越苛刻。如何在触摸屏生产过程中实现对其表面缺陷的实时、准确检测，阻断存在缺陷的触摸屏产品进入后序工序，降低生产成本，提高产品的质量，避免使用存在缺陷的触摸屏造成重大损失是触摸屏工业生产过程中的最重要环节之一。计算机视觉技术的发展使得其在生产过程质量控制方面得到越来越多的应用，使用计算机视觉技术替代人工检测具有许多优势：快速、安全、准确、可靠、可重复性强。这些优点是以往人工检测所不能具备的，尤其是在产品表面质量控制方面。计算机视觉技术目前得到了广泛的应用，例如印刷品缺陷检测、聚酯产品表面缺陷检测、玻璃缺陷检测、纺织物缺陷检测、TFT-LCD面板缺陷检测以及印刷电路板PCB上的金属层缺陷检测等等。在相关的基于图像处理技术的产品表面缺陷检测方面，Tsai等人通过缺陷图像的奇异值分解(SVD)，利用奇异值重构来分离LCD面板图像的前景(缺陷)及背景纹理部分，并在基于熵测度的PCB板金属表面缺陷检测(TsaiDM,LinBT.Defectdetectionofgold-platedsurfacesonPCBsusingentropymeasures[J].TheInternationalJournalofAdvancedManufacturingTechnology,2002,20(6):420-428.)中提出了根据颜色和结构信息来对印刷电路板PCB上的金属面板进行缺陷检测。另外，他们对带纹理的产品表面检测、具有统计特性纹理的产品表面检测等方面也都进行了相关的研究。陈晓红在基于机器视觉的触摸屏玻璃缺陷检测方法研究(硕士论文，华南理工大学,2013)中对触摸屏玻璃缺陷检测系统总体方案进行了设计，并初步探索了利用缺陷的几何形状及边缘检测等方法来进行触摸屏缺陷检测的方法。另外，基于多分辨率分析和信息融合的玻璃缺陷分类方法[J](LiuH,ChenY,PengX,etal.Aclassificationmethodofglassdefectbasedonmultiresolutionandinformationfusion[J].TheInternationalJournalofAdvancedManufacturingTechnology,2011,56(9-12):1079-1090.)则利用小波分析和人工神经网络来进行玻璃缺陷分类和识别。文献(ZhaoJ,KongQJ,ZhaoX,etal.AMethodforDetectionandClassificationofGlassDefectsinLowResolutionImages[C]//ImageandGraphics(ICIG),2011SixthInternationalConferenceon.IEEE,2011:642-647.)将二值特征直方图(BinaryFeatureHistogram)与AdaBoost算法相结合检测玻璃中的气泡与杂质，并能对二者进行区分检测。在基于机器视觉的一种在线浮法玻璃缺陷检测方法(PengX,ChenY,YuW,etal.Anonlinedefectsinspectionmethodforfloatglassfabricationbasedonmachinevision[J].TheInternationalJournalofAdvancedManufacturingTechnology,2008,39(11-12):1180-1189.)中提出了一套用于浮法玻璃缺陷的分布式在线检测系统，该系统可对气泡、油墨脏污、光学变形多种缺陷进行快速检测。上述的这些缺陷检测研究大多集中在玻璃气泡、杂质的检测，LCD的显示效果、亮斑/黑斑检测等方面。在实际生产过程中，利用线阵CCD相机(Charge-coupleddevice)对触摸屏拍摄得到的图像中包含底纹，且触摸屏缺陷种类众多，如脏污、油墨、毛丝、异物等，加上光照条件、相机分辨率等问题，给利用图像处理手段进行触摸屏缺陷检测带来了较大的难度。近年来，基于过完备冗余字典的稀疏表示方法引起了计算机视觉研究者的极大兴趣，该方法采用过完备基代替传统的正交基函数，在过完备基里寻求少量元素来表示图像特征。由于过完备基函数具有冗余性，对信号、图像具有更好的稀疏表达能力，基于冗余字典的稀疏表示作为一种有效表示模型已广泛应用于图像去噪、图像恢复、人脸识别、异常检测等图像处理及识别领域。稀疏表示可以用很少的数据来表示高维样本，这启发了我们可以通过对正常样本集(无缺陷的触摸屏图像集)建立稀疏表示的字典，然后根据正常样本和异常样本(带有缺陷的触摸屏图像)在字典集上线性表出的稀疏度程度不同来进行触摸屏缺陷检测。
技术实现思路
本专利技术的主要目的在于克服现有技术的缺点与不足，提供一种基于稀疏表示的低分辨率触摸屏图像缺陷检测方法。为了达到上述目的，本专利技术采用以下技术方案：一种基于稀疏表示的低分辨率触摸屏图像缺陷检测方法，包括下述步骤：S1、从正常的触摸屏图像训练集合中提取图像特征构建正常样本对应的原子库D；S2、对冗余的且含有噪声特征的原子库D进行优化筛选，从中提炼出一个最优、具有最小维数的子集D′，作为训练样本的稀疏表示字典；S3、在缺陷检测时，使用与步骤S1同样的方法提取待检测图像y的特征，通过l1范数极小化求出y在D′下线性表出的系数；S4、若待检测图像y是无缺陷的触摸屏图像的，其在D′下线性表出的系数应该是稀疏的，反之则不稀疏；对于无缺陷的触摸屏图像而言，由于其可以有效的利用训练字典D′稀疏地线性表出，即可以利用D′中的基底以很小的代价重构。优选的，步骤S1中，原子库D的构建方法为：将无缺陷的触摸屏图像进行分块，并将图像块作为原子构造字典，设图像块大小为K×K，构造得到无缺陷触摸屏图像的备选原子库为D，则D中每一个原子对应一个图像块，每一个原子即为每一列，均为K2×1的列向量，记K2＜＜N；该备选原子库是冗余的，列原子之间有很大的相关性，因此需要对其进行训练优选，使得D中每一个列原子均能由D中其余的列原子线性表出，且表出的系数是稀疏的，即找出一个子集其中j1,j2,…,jn∈{1,2,…,N}，使得D能够由D'很好的稀疏重构，并使得D'中列原子数尽可能少。优选的，步骤S2中，还包括对字典进行训练的步骤，字典训练问题建模为：写成矩阵形式，即：其中ON×1为N×1的零向量，上述l0范数的求解是个NP-hard问题，仿照压缩感知理论，将上述的l0极小化问题(2)转换为l1范数极小化问题,对每一个dj，设是由D中除了第j列之外的其它列构成的矩阵，则可以把(3)写为下式:采用正交匹配追踪算法OMP算法对(4)式进行求解，得到dj在D″下稀疏表示的系数z′j；对D中每一个列原子均使用上述求解方法，并在z′j的第j个元素位置插入一个0元素，使得z′j扩展为N×1的列向量zj，则可得到(3)式的解Z＝{z1,z2,…,zN}本文档来自技高网...

【技术保护点】
一种基于稀疏表示的低分辨率触摸屏图像缺陷检测方法，其特征在于，包括下述步骤：S1、从正常的触摸屏图像训练集合中提取图像特征构建正常样本对应的原子库D；S2、对冗余的且含有噪声特征的原子库D进行优化筛选，从中提炼出一个最优、具有最小维数的子集D′，作为训练样本的稀疏表示字典；S3、在缺陷检测时，使用与步骤S1同样的方法提取待检测图像y的特征，通过l1范数极小化求出y在D′下线性表出的系数；S4、若待检测图像y是无缺陷的触摸屏图像的，其在D′下线性表出的系数应该是稀疏的，反之则不稀疏；对于无缺陷的触摸屏图像而言，由于其可以有效的利用训练字典D′稀疏地线性表出，即可以利用D′中的基底以很小的代价重构。

【技术特征摘要】
1.一种基于稀疏表示的低分辨率触摸屏图像缺陷检测方法，其特征在于，包括下述步骤：S1、从正常的触摸屏图像训练集合中提取图像特征构建正常样本对应的原子库D；S2、对冗余的且含有噪声特征的原子库D进行优化筛选，从中提炼出一个最优、具有最小维数的子集D′，作为训练样本的稀疏表示字典；S3、在缺陷检测时，使用与步骤S1同样的方法提取待检测图像y的特征，通过l1范数极小化求出y在D′下线性表出的系数；S4、若待检测图像y是无缺陷的触摸屏图像的，其在D′下线性表出的系数应该是稀疏的，反之则不稀疏；对于无缺陷的触摸屏图像而言，由于其可以有效的利用训练字典D′稀疏地线性表出，即可以利用D′中的基底以很小的代价重构；在利用OMP算法进行求解前，先将经典OMP算法中第一步的内积修改为向量相似度，即D中所有列中与dj最相似的一定是它自身，从而必然可以得到稀疏表示系数x＝ej。2.根据权利要求1所述的基于稀疏表示的低分辨率触摸屏图像缺陷检测方法，其特征在于，步骤S1中，原子库D的构建方法为：将无缺陷的触摸屏图像进行分块，并将图像块作为原子构造字典，设图像块大小为K×K，构造得到无缺陷触摸屏图像的备选原子库为D，则D中每一个原子对应一个图像块，每一个原子即为每一列，均为K2×1的列向量，记K2＜＜N；该备选原子库是冗余的，列原子之间有很大的相关性，因此需要对其进行训练优选，使得D中每一个列原子均能由D中其余的列原子线性表出，且表出的系数是稀疏的，即找出一个子集其中j1,j2,…,jn∈{1,2,…,N}，使得D能够由D'很好的稀疏重构，并使得D'中列原子数尽可能少。3.根据权利要求1所述的基于稀疏表示的低分辨率触摸屏图像缺陷检测方法，其特征在于，步骤S2中，还包括对字典进行训练的步骤，字典训练问题建模为：写成矩阵形式，即：其中ON×1为N×1的零向量，上述l0范数的求解是个NP-hard问题，仿照压缩感知理论，将上述的l0极小化问题(3)转换为l1范数极小化问题,对每一个dj，设是由D中除了第j列之外的其它列构成的矩阵，则可以把(4)写为下式:采用正交匹配追踪算法OMP算法对(5)式进行求解，得到dj在D″下稀疏表示的系数z′j；对D中每一个列原子均使用上述求解方法，并在z′j的第j个元素位置插入一个0元素，使得z′j扩展为N×1的列向量zj，则可得到(4)...

【专利技术属性】
技术研发人员：梁列全，
申请(专利权)人：广东财经大学，
类型：发明
国别省市：广东;44