基于特征抽取的钢带辊印识别方法技术

本发明专利技术涉及数据处理技术领域，具体涉及基于特征抽取的钢带辊印识别方法，该方法包括：获取待检测钢带的灰度图像；构建灰度图像的灰度共生矩阵，根据灰度共生矩阵确定出异常灰度图像；根据待检测钢带的工作辊半径将异常灰度图像分割为多个周期图像；对窗口内/外的目标灰度共生矩阵进行特征抽取，得到窗口内/外的灰度偏离程度值；根据每个窗口的边缘灰度差和窗口内、外的灰度偏离程度值得到该窗口的灰度偏离差异；根据第一周期图像和第二周期图像的最大灰度偏离差异和窗口内的灰度偏离程度值确定出存在辊印的待检测钢带，本发明专利技术能够提高辊印检测时的适用范围，并且能够快速识别辊印。印。印。

【技术实现步骤摘要】
基于特征抽取的钢带辊印识别方法


[0001]本专利技术涉及数据处理
，具体涉及基于特征抽取的钢带辊印识别方法。

技术介绍

[0002]辊印主要是由于工作辊设备粘有异物或者工作辊损伤使得钢带表面损伤，在钢带表面上呈连续性或周期性分布的凸起或凹下的印痕缺陷，对辊印的检测不仅是对产品的检测，更是发现设备的问题，根据检测到的辊印检测此时的设备，防止已经存在缺陷的设备对后续的钢带的造成辊印缺陷。
[0003]传统的辊印检测是根据检测仪对钢带表面的缺陷进行识别，然后根据固定的预设缺陷特征值，长宽比、面积和亮度来确定属于黑点、压印、辊印类的缺陷，固定的预设特征值不适用于所有类型的钢带，适用范围小，而且辊印宽度有大有小，根据面积和长宽比判断辊印不够准确，从而使得最后检测的结果不准确，因此，需要基于特征抽取的钢带辊印识别方法。

技术实现思路

[0004]本专利技术提供基于特征抽取的钢带辊印识别方法，以解决现有的问题。
[0005]本专利技术的基于特征抽取的钢带辊印识别方法采用如下技术方案：该方法包括：获取待检测钢带的灰度图像；构建灰度图像的灰度共生矩阵，根据灰度共生矩阵的熵值确定出异常灰度图像；根据待检测钢带的工作辊半径将异常灰度图像分割为多个长度相等的周期图像，获取任意的相邻周期图像依次记为第一周期图像、第二周期图像；根据第一周期图像/第二周期图像中相邻像素点的最大灰度差得到目标像素点，以目标像素点为中心建立多个尺寸不同的窗口；构建每个窗口内/外的目标灰度共生矩阵，根据目标灰度共生矩阵中每种点对的概率和灰度差计算对应的窗口内/外每种点对的灰度偏离程度值，根据窗口内/外每种点对的灰度偏离程度值得到该窗口内/外的灰度偏离程度值；获取每个窗口的边缘灰度差，根据每个窗口的边缘灰度差和窗口内、外的灰度偏离程度值得到该窗口的灰度偏离差异，获取所有窗口中的灰度偏离差异的最大值作为第一周期图像/第二周期图像的最大灰度偏离差异；利用第一周期图像和第二周期图像的最大灰度偏离差异及该最大灰度偏离差异在第一周期图像和第二周期图像中所对应的窗口内的灰度偏离程度值，对待检测钢带中是否存在辊印进行判断，识别出辊印。
[0006]进一步，构建灰度图像的灰度共生矩阵的步骤包括：对灰度图像中的初始灰度级进行压缩得到目标灰度级；根据目标灰度级分别获取灰度图像中每个方向的相邻像素点之间的灰度差均值；将每对相邻像素点记为一个点对，将两个目标灰度级对应相等的点对记为同一种
点对；分别计算每个方向的灰度差均值的归一化值；将归一化值作为每个方向的权值，获取每个方向的每种点对出现次数的概率；根据每个方向的权值和对应方向的每种点对出现次数的概率构建灰度共生矩阵。
[0007]进一步，对灰度图像中的初始灰度级进行压缩得到目标灰度级的步骤包括：获取灰度图像的初始灰度级中的最大值和最小值；根据最大值和最小值得到整个灰度图像的灰度区间；将灰度区间划分为多个目标灰度级。
[0008]进一步，根据待检测钢带的工作辊半径将异常灰度图像分割为多个长度相等的周期图像的步骤包括：根据待检测钢带的工作辊半径得到工作辊转动一个周期对应的待检测钢带的长度；根据一个周期对应的待检测钢带的长度在异常灰度图像中对应的长度将异常灰度图像分割为多个长度相等的周期图像。
[0009]进一步，根据第一周期图像/第二周期图像中相邻像素点的最大灰度差得到目标像素点，以目标像素点为中心建立多个尺寸不同的窗口的步骤包括：获取最大灰度差对应的相邻像素点，将该相邻像素点中的灰度值大的像素点作为目标像素点；以目标像素点为中心建立窗口，将窗口逐步向外扩展得到多个尺寸不同的窗口。
[0010]进一步，根据窗口内/外每种点对的灰度偏离程度值得到该窗口内/外的灰度偏离程度值的步骤包括：根据窗口内/外每种点对的灰尺寸度偏离程度值得到窗口内的灰度偏离程度累计值；利用窗口内/外所有点对的灰度偏离程度值和灰度偏离程度累计值得到窗口内/外的灰度偏离程度值，根据下式（a）计算窗口内的灰度偏离程度值：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（a）其中，表示第个窗口内的灰度偏离程度值；表示第个窗口内的灰度偏离程度累计值；表示第个窗口内点对的灰度偏离程度值；表示目标灰度级分别为的一种点对；表示窗口内的灰度级数量；表示灰度图像的灰度级数量；根据得到窗口内的灰度偏离程度值的方法得到窗口外的灰度偏离程度值。
[0011]进一步，获取每个窗口的边缘灰度差的步骤包括：获取每个窗口的边缘点，计算每个边缘点8邻域的灰度差均值；对每个窗口的所有边缘点的灰度差均值求均值得到对应的窗口的边缘灰度差。
[0012]进一步，根据每个窗口的边缘灰度差和窗口内、外的灰度偏离程度值得到该窗口的灰度偏离差异的步骤包括：根据下式（b）计算每个窗口的灰度偏离差异：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（b）其中，表示第个窗口的灰度偏离差异；表示第个窗口内的灰度偏离程度值；第个窗口外的灰度偏离程度值；表示第个窗口的边缘灰度差。
[0013]进一步，利用第一周期图像和第二周期图像的最大灰度偏离差异及该最大灰度偏离差异在第一周期图像和第二周期图像中所对应的窗口内的灰度偏离程度值，对待检测钢带中是否存在辊印进行判断的步骤包括：根据下式（c）计算待检测钢带存在辊印的可能性：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（c）其中，表示待检测钢带存在辊印的可能性；表示第一周期图像中最大灰度偏离差异对应的第个窗口内的灰度偏离程度值；表示最大灰度偏离差异对应的窗口；表示第二周期图像中最大灰度偏离差异对应的第个窗口内的灰度偏离程度值；表示第一周期图像中的最大灰度偏离差异；表示第二周期图像中的最大灰度偏离差异；当待检测钢带存在辊印的可能性大于预设的可能性阈值时，则待检测钢带存在辊印。
[0014]本专利技术的有益效果是：本专利技术的基于特征抽取的钢带辊印识别方法，通过构建灰度共生矩阵确定灰度图像中是否存在缺陷，根据辊印的周期性特点将存在缺陷的异常灰度图像分割为多个周期图像，本方案只需要处理部分相邻周期图像，从而减少了计算量；对相邻周期图像的窗口构建灰度共生矩阵，根据灰度共生矩阵中点对的概率和灰度差得到窗口内、外的灰度偏离差异，对比相邻周期图像的窗口中的最大灰度偏离差异得到存在辊印的可能性，相比于传统的根据长宽比和面积等特征值确定辊印，更加准确，本专利技术中是对灰度共生矩阵进行特征抽取获得的特征值，例如最大灰度偏离差异是根据灰度共生矩阵计算得到的，不存在固定的对照特征值，所以适用范围广。
附图说明
[0015]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0016]图1为本专利技术的基于特征抽取的钢带辊印识别方法的实施例总体步骤的流程图。
具体实施方式
[001本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于特征抽取的钢带辊印识别方法，其特征在于，该方法包括：获取待检测钢带的灰度图像；构建灰度图像的灰度共生矩阵，根据灰度共生矩阵的熵值确定出异常灰度图像；根据待检测钢带的工作辊半径将异常灰度图像分割为多个长度相等的周期图像，获取任意的相邻周期图像依次记为第一周期图像、第二周期图像；根据第一周期图像/第二周期图像中相邻像素点的最大灰度差得到目标像素点，以目标像素点为中心建立多个尺寸不同的窗口；构建每个窗口内/外的目标灰度共生矩阵，根据目标灰度共生矩阵中每种点对的概率和灰度差计算对应的窗口内/外每种点对的灰度偏离程度值，根据窗口内/外每种点对的灰度偏离程度值得到该窗口内/外的灰度偏离程度值；获取每个窗口的边缘灰度差，根据每个窗口的边缘灰度差和窗口内、外的灰度偏离程度值得到该窗口的灰度偏离差异，获取所有窗口中的灰度偏离差异的最大值作为第一周期图像/第二周期图像的最大灰度偏离差异；利用第一周期图像和第二周期图像的最大灰度偏离差异及该最大灰度偏离差异在第一周期图像和第二周期图像中所对应的窗口内的灰度偏离程度值，对待检测钢带中是否存在辊印进行判断，识别出辊印。2.根据权利要求1所述的基于特征抽取的钢带辊印识别方法，其特征在于，构建灰度图像的灰度共生矩阵的步骤包括：对灰度图像中的初始灰度级进行压缩得到目标灰度级；根据目标灰度级分别获取灰度图像中每个方向的相邻像素点之间的灰度差均值；将每对相邻像素点记为一个点对，将两个目标灰度级对应相等的点对记为同一种点对；分别计算每个方向的灰度差均值的归一化值；将归一化值作为每个方向的权值，获取每个方向的每种点对出现次数的概率；根据每个方向的权值和对应方向的每种点对出现次数的概率构建灰度共生矩阵。3.根据权利要求2所述的基于特征抽取的钢带辊印识别方法，其特征在于，对灰度图像中的初始灰度级进行压缩得到目标灰度级的步骤包括：获取灰度图像的初始灰度级中的最大值和最小值；根据最大值和最小值得到整个灰度图像的灰度区间；将灰度区间划分为多个目标灰度级。4.根据权利要求1所述的基于特征抽取的钢带辊印识别方法，其特征在于，根据待检测钢带的工作辊半径将异常灰度图像分割为多个长度相等的周期图像的步骤包括：根据待检测钢带的工作辊半径得到工作辊转动一个周期对应的待检测钢带的长度；根据一个周期对应的待检测钢带的长度在异常灰度图像中对应的长度将异常灰度图像分割为多个长度相等的周期图像。5.根据权利要求1所述的基于特征抽取的钢带辊印识别方法，其特征在于，根据第一周期图像/第二周期图像中相邻像素点的最大灰度差得到目标像素点，以目标像素点为中心建立多个尺寸不同的窗口的步骤包括：获取最...

【专利技术属性】
技术研发人员：毛志军，曹华，
申请(专利权)人：江苏众联管业有限公司，
类型：发明
国别省市：