【技术实现步骤摘要】
本专利技术涉及图像处理和计算机视觉领域，具体涉及一种基于双低秩分解的金属网栅缺陷检测方法。
技术介绍
1、随着科学技术的不断发展，电磁场相关技术不断完善和普遍，电磁波频段被不断拓宽，使得空间电磁环境日益复杂，产生了大量的电磁污染和电磁干扰问题。电磁干扰不仅影响人类的身体健康，而且也对精密电子设备等造成了严重的危害。因此，电磁屏蔽技术应运而生并得到不断的发展。
2、在电磁屏蔽
，一个重点且是难点的问题是可观测场景下的电磁屏蔽。例如，在航空航天领域，为了实现对目标的精密观测和探测，要求飞行器的光窗在可见光和红外光波段具有高透过性，同时为了保护飞行器内的精密光学仪器免受电磁干扰的影响，光窗也要求具备微波波段的强电磁屏蔽特性。
3、金属网栅是一种将金属薄膜制成的栅网状结构，通过将其结构单元的尺寸形状等进行设计，可以实现较高的透光率和较大的电磁屏蔽性能以及较高的成像质量。因此金属网栅被广泛应用到可观测场景下的电磁屏蔽领域。
4、然而在金属网栅的实际生产和制备的过程中，由于人为、设备、材料等多种因素影响，会导致其表面产生杂质附着，金属沉积附着，断线等多种类型的缺陷。同时在金属网栅的实际工程应用时，例如航空航天飞行器搭载金属网栅实际运行状况下，由于外界侵蚀，刮擦等多种环境因素的影响，也会产生裂纹，断线等缺陷，这些类型的缺陷，大多在单个到多个周期大小，尺寸在微米量级，通常难以用人眼直观观测。
5、目前在金属网栅生产制备阶段，针对以上存在的多种类型的缺陷的检测方法主要是检测人员在显微镜下进行金
6、针对金属网栅领域的缺陷检测相关的专利和论文较少，专利cn103886332a公开了一种检测与识别金属网栅缺陷的方法。该专利运用支持向量机的方式，将缺陷进行了分类，分成断线，划痕，区域封闭三种类型。该专利技术的缺点在于可检测的缺陷类型较少，并且检测精度难以保证。专利cn115170520a公开了一种基于结构对比信息叠层的金属网栅缺陷检测方法，该方法对图像进行分块并对子块进行邻域结构对比构建先验信息进行低秩分解计算，对多类缺陷均有较好的检测效果，但其缺点是检测时间较长。专利cn116862842a公开了一种金属网栅缺陷检测的反射式便携成像及图像处理方法，模型基于频谱滤波融合与霍夫变换的方法提取缺陷先验，模型先验信息准确但针对复杂纹理图像恢复困难。
7、在以金属网栅为代表的周期性复杂纹理图案的缺陷检测模型中，鲁棒主成分分析(robust principal component analysis，rpca)模型以其较强的解释性和高计算效率而成为研究的热点。rpca将金属网栅缺陷图像分解成具有宏观均匀纹理的低秩矩阵和少数污染的稀疏矩阵，低秩矩阵代表将缺陷修复后的无污染金属网栅图像，稀疏矩阵表示提取出的缺陷部分。这种假设符合其实际缺陷分布。但传统rpca对低秩项采用核范数约束，其缺点是核范数不足以近似秩函数，在模型复杂时难以恢复无污染纹理，进而对缺陷的分割提取不足。
8、双低秩约束的rpca模型，是在rpca的基础上，对无污染背景和缺陷深入分析，根据其特征采取两种范数对其描述，进而可以精确恢复背景纹理，实现缺陷提取。目前双低秩约束的rpca模型缺陷检测领域应用较少，其主要应用场景为图像识别、噪声去除、子空间学习、压缩感知重构等。例如专利cn107392128a公开了基于双低秩表示和局部约束矩阵回归的鲁棒图像识别方法。该专利技术主要运用双核范数正则的低秩表示方法对训练样本进行去噪处理，以获取干净的训练样本集进行后续运算；专利cn111292266a公开了一种基于双低秩矩阵分解的gf-5遥感影像混合噪声去除方法，该专利技术主要将双低秩矩阵分解模型应用于gf-5遥感影像混合噪声去除问题，缺点是该双低秩模型的范数选取效果不好；专利cn115439344a公开了一种联合双低秩和空谱全变差的混合噪声高光谱影像复原方法，主要是利用低秩张量近似和逐波段低秩矩阵近似来挖掘无噪高光谱遥感影像和条带噪声的低秩性质，建立联合双低秩近似的高光谱遥感影像模型；专利cn110619367a公开了联合低秩约束跨视角判别子空间学习方法及装置，定义了该领域下的双低秩判别子空间学习式；专利cn112258397a公开了一种基于近似消息传递和双低秩约束的图像压缩感知重构方法。对含噪图像进行相似图像块聚类，对相似图像块进行双低秩的校正。但以上专利用于约束低秩项的范数选取不好或模型难以在缺陷分割领域有较好的结果，目前基于双低秩分解的缺陷检测模型研究较少。
9、scp范数(schatten capped p norm)表示矩阵奇异值的p次幂之和的p分之一。作为一种先进的低秩项约束范数，其截断机制对较大和较小的奇异值赋予不同的权重，实现对小奇异值的剔除和大奇异值的保留，实现矩阵降维并恢复其背景纹理。专利cn113255799a公开了一种掩模特征图形的图谱聚类方法。该专利技术基于分裂布雷格曼-scp范数最小化的低秩矩阵补全方法应用到图形谱聚类问题中，实现了计算效率和准确率的提高。专利cn111815620a公开了一种基于卷积特征和低秩表示的织物疵点检测方法，提出了一种可解决纺织物疵点检测的加权sp范数，sp范数是秩函数的凸代理函数，但不如scp范数拟合效果好。目前基于scp范数的rpca模型罕见研究。
10、综上所述，为了满足金属网栅实际加工制备以及工程应用阶段的缺陷检测需求，以实现良好的光学性能和电磁屏蔽性能，需要开发出一种可针对于金属网栅缺陷的高效高准确性提取和检测方法。现有rpca模型的低秩项约束不足，难以恢复完整纹理背景，进而会对缺陷分割造成干扰。双低秩约束的rpca模型对低秩项采取两种范数约束，选择合适的范数和参数可以实现较好的背景恢复效果。scp范数是一种先进的低秩项约束范数，通过设置其参数可以实现对小奇异值的剔除和大奇异值的保留。但目前相关研究较少，现有技术难以在金属网栅缺陷检测领域有较好的结果。
技术实现思路
1、本专利技术的目的在于克服上述已有金属网栅缺陷检测模型的不足，特别是现有模型难以实现对复杂周期性纹理的背景恢复和缺陷提取问题。本专利技术引入矩阵补全领域的scp范数以及压缩感知领域的rpca和双低秩分解框架，提出了一种基于双低秩分解的金属网栅缺陷检测方法，实现对输入矩阵奇异值的精准控制，进而实现金属网栅缺陷的高效高准确性检测。
2、本专利技术的技术方案如下：
3、1.一种基于双低秩分解的金属网栅缺陷检测方法，其特征在于，包括如下步骤：
4、步骤1：利用光学成像系统采集金属网栅图像作为输入图像，输入图像包含x×y个网栅周期，x∈[10,20]，y∈[10,20]；
5、步骤2：对输入图像进行灰度变换和均值滤波，得到均匀的灰度图像；
6、步骤3：将scp范数和γ范数双低秩分解模型引本文档来自技高网...
【技术保护点】
1.一种基于双低秩分解的金属网栅缺陷检测方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的一种基于双低秩分解的金属网栅缺陷检测方法，其特征在于，所述步骤3中：
3.根据权利要求1所述的一种基于双低秩分解的金属网栅缺陷检测方法，其特征在于，所述步骤4中，先将步骤3得到的缺陷对应的稀疏图像矩阵进行图像增强，实现对比度拉伸，便于缺陷分割；接下来进行阈值分割操作，阈值分割方法为Ostu大津分割法，其主要通过计算图像灰度直方图的灰度分布得到阈值，根据像素是否大于阈值进行二值化分割，并最终得到缺陷的二值图像。
【技术特征摘要】
1.一种基于双低秩分解的金属网栅缺陷检测方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的一种基于双低秩分解的金属网栅缺陷检测方法，其特征在于，所述步骤3中：
3.根据权利要求1所述的一种基于双低秩分解的金属网栅缺陷检测方法，其特征...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。