一种基于图像融合分割的实木地板表面缺陷检测方法

摘要

一种基于图像融合分割的实木地板表面缺陷检测方法，涉及地板表面缺陷检测领域，本发明针对区域生长算法存在的分割速度慢、分割不准确的问题，致使实木地板的表面缺陷检测速度慢、精度低的问题，影响其质量与分选等级。首先提取缺陷的R分量图像并进行图像缩小，在低维图像空间内运用区域生长方法完成缺陷的快速定位；利用梯度信息插值对缩小图像进行放大复原，并对缺陷进行标记生成参考图像；应用小波变换检索标记参考图像的边缘，以边缘像素点为种子在原图像进行禁忌快速搜索，实现缺陷区域的快速、精准分割。对20幅含有活节、死节、裂纹的样本图像进行缺陷检测试验，该方法平均分割时间为13.21ms，缺陷分割区域的准确率达到96.8%。

主权项

一种基于图像融合分割的实木地板表面缺陷检测方法，其特征在于：所述方法的实现过程为：步骤一、图像预处理：由RGB模型中提取R分量再进行灰度图像变换；步骤二、图像缩小与缺陷定位：采用等间隔采样完成图像缩小；在低维空间搜索缺陷点并完成缺陷的初步定位；采用等间隔采样完成图像缩小的过程为：设原图像中的点f(x,y)在缩小后的图像中对应点g(x₀,y₀)，则：$\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]=\left[\begin{array}{ccc}{k}_x& 0& 0\\ 0& k_y& 0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}{x}_0\\ y_0\\ 1\end{array}\right]---\left(1\right)$其中，k_x、k_y分别为x、y轴方向的缩放倍数；通过提取子块中的一个像素点来代替整个子块，进而组合成一幅图像；设缩小后的图像为g(x₀,y₀)则：$g(x_0,y_0)=f(\frac{x}{k_x},\frac{y}{k_y})---\left(2\right)$在低维空间搜索缺陷点并完成缺陷的初步定位的过程为：在低维空间搜索缺陷点，计算量将为原来的并将缺陷置“1”，完成缺陷的初步定位；步骤三、图像放大、创建标记图像：图像放大是生成与原始图像大小一致的图像，为缺陷图像的融合分割提供标记图像，图像放大要在处理效率与结果的平滑度和清晰度上做一个权衡；图像放大的具体过程为：采用差分算法计算缩小后的图像g(x₀,y₀)上每一点(i,j)的梯度，在差分网格上令网格点(i,j)处的梯度为$|▿(i,j)|={\left(\begin{array}{c}{\left(g\right(i,j+1)-g(i,j-1\left)\right)}^2\\ +\left(\frac{{\left(g\right(i+1,j-1)+g(i+1,j+1)-g(i-1,j-1)-g(i-1,j+1\left)\right)}^2}{16}\right)\end{array}\right)}^{\frac{1}{2}}---\left(4\right)$在待插值点(i,j)，令插值方向为左右方向，即按行插值；令点(i,j‑1)、(i,j+1)的梯度分别为且则插值后得到的图像为s(i,j):s(i,j)＝(1‑v(r))g(i,j‑1)+v(r)g(i,j+1)   (5)其中为双曲正切函数，且定义th(x)＝(e^x‑e^‑x)/(e^x+e^‑x)，函数v(r)的中心点为(1,0.5)；创建标记图像的过程为：标记图像是针对原始图像的缺陷区域所创建的参考图像，对于原始输入的R分量图像I_im，定义Neighbor(I_im(x,y))为点I_im(x,y)的八邻域；对于图像中某一区域R，N(R)表示不属于R，是和R中某一像素相邻的集合：$N\left(R\right)=\{I\_im(u,v)|I\_im(u,v)\notin R,$$\exists I\_im(x,y)\in R;$使      (6)I_im(u,v)∈Neighbor(I_im(x,y))}定义标记图像Sign，其大小与原图像一致，满足公式(7)、(8)，如下：size(Sign)＝size(I_im)      (7)$Sign(x,y)=\left\{\begin{array}{cc}1& I\_im(x,y)\in R\\ 0& I\_im(x,y)\notin R\end{array}\right.---\left(8\right)$其中，size返回图像的大小；对于某个像素，满足点I_im(m,n)∈N(R)且I_im(m,n)∈Neighbor(I_im(i,j))要将I_im(m,n)合并到区域R中，必须满足条件：$\left\{\begin{array}{c}Sign(m,n)=0\\ |I\_im(m,n)-I\_im(i,j)|\le T_1\\ I\_im(m,n)\le T_2\end{array}\right.---\left(9\right)$其中，T₁、T₂为搜索邻域的阈值限定条件；步骤四、缺陷的边缘检测：边缘检测用于在标记图像上找到缺陷边缘，确定边缘种子点图像seed(x,y)，原图像将以种子点进行向外搜索；边缘检测的具体步骤为：步骤四(1)、构造小波函数；步骤四(2)、对图像S(x,y)做小波变换，计算模与相角步骤四(3)、沿相角搜索模的极值点，生成图像的边缘步骤四(4)、将中模、相角相似点连接，得到单像素的图像边缘步骤四(5)、对中的边缘，计算中的匹配区域，得到下一尺度j‑1的边缘图像步骤五、原始图像下的缺陷边界搜索；步骤六、检测结果输出。