一种条状物体表面缺陷在线视觉注意力检测方法

摘要

本发明涉及一种条状物体表面缺陷在线视觉注意力检测方法，本发明充分利用图像预处理技术和视觉注意力模型。首先，利用基于背景估计的图像处理技术，降低或消除文字、商标等特征对药卷裂痕缺陷的影响，突出表面缺陷信息；然后，利用视觉注意力模型，得到缺陷特征显著性图。该模型以提取图像低层视觉特征为基础，然后分析目标图像强度、边缘和方向等特征，建立金字塔特征模型；通过中心围绕算子合成三者特征图，利用区分度融合算子，将三者融合，得到显著性图，突出裂痕信息并有效识别定位，达到提取缺陷药卷特征的目的。本发明能对条状物体表面缺陷在线检测，具有检测速度快、抗干扰强、实时性好、检测准确率高的特点。

主权项

一种条状物体表面缺陷在线视觉注意力检测方法，其特征在于包括如下步骤：1)缺陷图像预处理；2)对预处理得到图像G按照边缘、亮度、方向三个指标进行特征建模,亮度金字塔I利用多尺度空间法生成九层尺度图，每一层分别是图G的1/2，1/4,1/8，…….，并且下一层图像在长度和宽度减半,I₀＝GI₁＝S(I_l‑1)    (1)其中l表示金字塔的层级,边缘特征金字塔E利用Gabor算子，方向特征金字塔O利用Roberts算子生成；3)利用中心围绕算子Θ计算特征图，通过计算细尺度和粗尺度之间的差值实现，其中尺度c∈{2，3，4}中的像素，s＝c+d，d∈{3，4}中相关位置的像素，公式(4)、(5)、(6)分别用于计算亮度、方向与边缘的特征图；I(c,s)＝|I(c)ΘI(s)|    (4)O(c,s,θ)＝|O(c,θ)ΘO(s,θ)|，θ∈[0°,45°,90°,135°]    (5)E(c,s)＝|E(c)ΘE(s)|    (6)获得的特征图进行归一化，图像取值规范化为[0,M]，计算图中最大值M和其他局部最大值的平均值再将整幅图像乘以4)将每种特征图运用跨尺度结合算子在醒目度图第4层融合，利用公式(7)、(8)、(9)计算，最终得到每种特征的醒目度图；$\bar{I}=\underset{c=2}{\overset{4}{\oplus }}\underset{s=c+3}{\overset{c+4}{\oplus }}N(I(c,s)---\left(7\right)$$\bar{E}=\underset{c=2}{\overset{4}{\oplus }}\underset{s=c+3}{\overset{c+4}{\oplus }}\left[N(E(c,s)\right]---\left(9\right)$5)区分度融合算子和显著性图,利用区分度融合算子Cmob，结合公式(10)、(11)将步骤4)得到的醒目度图结合，形成一个显著性图SM,$\mathrm{SM}=N\left(\mathrm{Comb}(N\left(\bar{I}\right),N\left(\bar{O}\right),N\left(\bar{E}\right))\right)---\left(10\right)$$\mathrm{Comb}(N\left(\bar{I}\right),N\left(\bar{O}\right),N\left(\bar{E}\right))={\xi }_{1}N\left(\bar{I}\right)+{\xi }_2\bar{O}+{\xi }_{3}N\left(\bar{E}\right)---\left(11\right)$其中ξ₁，ξ₂，ξ₃是缺陷的区分度，计算方法如式(12)：${\xi }_k=\frac{\underset{\Omega =1}{\overset{t}{\Sigma }}\underset{{\Omega }_i}{\Sigma }{S}_i·z_{i0}}{\underset{k=1}{\overset{3}{\Sigma }}\underset{\Omega =1}{\overset{t}{\Sigma }}{S}_i·z_{\max }},k=\mathrm{1,2,3}---\left(12\right)$其中z_max＝max[z_i0]，z_i0∈Ω_i，i＝1,2,3,...,t，将图像按照亮度划分为Ω_t(t∈N)个区域集，区域Ω_i(i＝1,2,3,...,t)的轮廓是随机形成的闭区域，对Ω_i求导，获得局部极小值z_i0；6)搜索显著性区域，输出检测结果。