一種基于高斯濾波器多分辨率濾波的帶鋼缺陷檢測(cè)方法
【專利摘要】本發(fā)明公開(kāi)了一種基于高斯濾波器多分辨率濾波的帶鋼缺陷檢測(cè)方法，采用高斯濾波器對(duì)采集的帶鋼圖像多分辨率濾波，獲得不同分辨率帶鋼圖像；在不同分辨率帶鋼圖像之間，采用中央周邊操作獲得不同分辨率帶鋼差分圖像；對(duì)帶鋼差分圖像融合；最后通過(guò)帶鋼融合圖像的各行極大值的均值和各列極大值的均值中的較小均值作為分割閾值，將缺陷從帶鋼背景紋理中分割出來(lái)。本發(fā)明一種基于高斯濾波器多分辨率濾波的帶鋼缺陷檢測(cè)方法，解決了現(xiàn)有方法檢測(cè)不準(zhǔn)確，算法復(fù)雜，不能適應(yīng)冷、熱軋帶鋼中缺陷檢測(cè)的問(wèn)題，能夠滿足冷軋、熱軋帶鋼缺陷在線檢測(cè)的準(zhǔn)確率需要，對(duì)各類疵點(diǎn)檢測(cè)具有較強(qiáng)的普適性，為帶鋼缺陷在線檢測(cè)提供了一種新的方法。
【專利說(shuō)明】一種基于高斯濾波器多分辨率濾波的帶鋼缺陷檢測(cè)方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于帶鋼缺陷檢測(cè)方法【技術(shù)領(lǐng)域】，具體涉及一種基于高斯濾波器多分辨率濾波的帶鋼缺陷檢測(cè)方法。

【背景技術(shù)】
[0002]帶鋼缺陷是影響帶鋼表面質(zhì)量的重要因素之一。然而，傳統(tǒng)的帶鋼缺陷檢測(cè)是由檢測(cè)人員離線抽檢完成的，因此這種方法不能及時(shí)發(fā)現(xiàn)帶鋼生產(chǎn)中的缺陷，從而會(huì)造成次品率和生產(chǎn)成本增高；另外，這種檢驗(yàn)方法會(huì)因?yàn)闄z驗(yàn)人員的經(jīng)驗(yàn)、心情等因素影響，極易造成誤檢和漏檢等問(wèn)題。伴隨著計(jì)算機(jī)以及機(jī)器視覺(jué)技術(shù)迅猛發(fā)展，基于圖像處理算法的帶鋼缺陷檢測(cè)技術(shù)越來(lái)越受到廣大科研工作重視。
[0003]目前，帶鋼缺陷檢測(cè)方法很多，其中，基于小波重構(gòu)算法的帶鋼表面缺陷檢測(cè)方法，通過(guò)構(gòu)造正交小波基，以信息熵來(lái)確定小波分解層數(shù)，然后對(duì)重構(gòu)后的圖像進(jìn)行二值化，通過(guò)形態(tài)學(xué)分析去除二值圖像存在的噪聲，得到分割后的缺陷圖像；由于這種檢測(cè)方法構(gòu)造出來(lái)的小波基未必是最佳小波基，這必然會(huì)影響檢測(cè)的準(zhǔn)確率(茅正沖，時(shí)文靜，烏P鋒.帶鋼表面缺陷檢測(cè)方法[J].計(jì)算工程與設(shè)計(jì)，2014，35 (I):233-236.)?；谌斯っ庖呦到y(tǒng)的帶鋼表面缺陷檢測(cè)，是根據(jù)檢測(cè)器和抗原之間的論域空間包含關(guān)系，以及自體在論域空間中的位置信息，引進(jìn)了分塊空間的方式，提出了檢測(cè)器分塊的生成算法，對(duì)缺陷圖像表面灰度信息進(jìn)行三維恢復(fù)，獲得帶鋼表面缺陷的高度信息，實(shí)現(xiàn)其三維質(zhì)量檢測(cè)；該方法雖然在對(duì)比度低、光照不均還是有噪聲干擾的情況下相對(duì)于傳統(tǒng)的圖像檢測(cè)算法具有較好的處理效果，但是，計(jì)算復(fù)雜，很難滿足在線檢測(cè)需要(許小潤(rùn)，吳貴芳.基于人工免疫系統(tǒng)的帶鋼表面缺陷檢測(cè)技術(shù)[J].計(jì)算機(jī)應(yīng)用.2010，30(8):2247-2253.)。熱軋帶鋼表面缺陷在線檢測(cè)的方法，是為了解決熱軋帶鋼表面的溫度高，輻射光強(qiáng)，并且存在著水、氧化鐵皮、光照不均等現(xiàn)象，將線陣CCD攝像機(jī)作為圖像采集裝置，用綠色激光線光源作照明，通過(guò)窄帶濾色鏡濾除鋼板表面的輻射光，從而提高了缺陷對(duì)比度；另外，通過(guò)增加4種不同類型的缺陷檢測(cè)步驟，去除了大量由水、氧化鐵皮等造成的偽缺陷；該方法主要是針對(duì)熱軋帶鋼中的偽缺陷而提出的算法，很難適應(yīng)所有帶鋼缺陷檢測(cè)，另外，該方法是增加缺陷檢測(cè)步驟為代價(jià)，因此計(jì)算量很大(徐科，楊朝霖，周鵬.熱軋帶鋼表面缺陷在線檢測(cè)的方法與工業(yè)應(yīng)用[J].機(jī)械工程學(xué)報(bào)，2009，45(4):111-114.)?；谝曈X(jué)注意機(jī)制的帶鋼表面缺陷檢測(cè)方法，主要針對(duì)圖像中存在的低對(duì)比度及微小缺陷，提出的帶鋼表面缺陷檢測(cè)方法；該方法模擬人類視覺(jué)系統(tǒng)的功能為基礎(chǔ)，結(jié)合Gabor濾波器多尺度、多分辨率的特點(diǎn)，建立了帶鋼表面缺陷檢測(cè)模型。該方法雖然能夠檢測(cè)出常見(jiàn)的6種帶鋼缺陷，但計(jì)算量很大，Gabor濾波器參數(shù)的選擇好壞直接影響著檢測(cè)的準(zhǔn)確率，另外，其帶鋼缺陷區(qū)域分割的不準(zhǔn)確。(叢家慧，顏云輝.視覺(jué)注意機(jī)制在帶鋼表面缺陷檢測(cè)中的應(yīng)用[J].中國(guó)機(jī)械工程，2011，22(10):1189-1192)。
[0004]通過(guò)上面的分析，經(jīng)典算法存在著檢測(cè)不準(zhǔn)確，算法復(fù)雜，不能適應(yīng)冷、熱軋帶鋼中缺陷檢測(cè)的需要；如何設(shè)計(jì)出簡(jiǎn)單的算法，適應(yīng)于冷、熱軋帶鋼中的各類缺陷檢測(cè)，是研究的難點(diǎn)問(wèn)題。


【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的在于提供一種基于高斯濾波器多分辨率濾波的帶鋼缺陷檢測(cè)方法，解決了現(xiàn)有方法檢測(cè)不準(zhǔn)確，算法復(fù)雜，不能適應(yīng)冷、熱軋帶鋼中缺陷檢測(cè)的問(wèn)題。
[0006]本發(fā)明所采用的技術(shù)方案是:一種基于高斯濾波器多分辨率濾波的帶鋼缺陷檢測(cè)方法，采用高斯濾波器對(duì)采集的帶鋼圖像多分辨率濾波，獲得不同分辨率帶鋼圖像；在不同分辨率帶鋼圖像之間，采用中央周邊操作獲得不同分辨率帶鋼差分圖像；對(duì)帶鋼差分圖像融合；最后通過(guò)帶鋼融合圖像的各行極大值的均值和各列極大值的均值中的較小均值作為分割閾值，將缺陷從帶鋼背景紋理中分割出來(lái)。
[0007]本發(fā)明的特點(diǎn)還在于，
[0008]具體包括以下步驟:
[0009]步驟1:采集帶鋼圖像，獲得帶鋼圖像I (x，y)；
[0010]步驟2:高斯濾波器多分辨率濾波
[0011]首先，降低帶鋼圖像I (x，y)的分辨率，獲得一次降低分辨率的帶鋼圖像I1Uy);其次，對(duì)I1Uy)低通濾波，獲得一次低通濾波后的帶鋼圖像L(X，y);然后，對(duì)L(x，y)分辨率再次降低，獲得二次降低分辨率的帶鋼圖像L1Uy);最后，對(duì)L1Uy)再次低通濾波，獲得二次低通濾波后的帶鋼圖像L2 (x，y)；
[0012]步驟3:多分辨率濾波帶鋼圖像的中央周邊操作
[0013]對(duì)步驟2獲得的不同分辨率的一次低通濾波后的帶鋼圖像L(x，y)、二次低通濾波后的帶鋼圖像L2 (x, y)進(jìn)行線性插值運(yùn)算，在不同分辨率的帶鋼圖像I (X，y)、一次低通濾波后的帶鋼圖像L(x，y)與二次低通濾波后的帶鋼圖像L2(x，y)之間進(jìn)行中央周邊操作，獲得不同分辨率帶鋼差分圖像(χ, y)、f2(x，y)和f3(x，y)；
[0014]步驟4:帶鋼差分圖像融合
[0015]將步驟3獲得的不同分辨率帶鋼差分圖像AUy)、f2(x，y)和&0^)的灰度值范圍調(diào)整到O~255之間，對(duì)調(diào)整后的帶鋼差分圖像f/ (X，y)、f2’ (x, y)和f3’ (x, y)進(jìn)行融合，得到帶鋼融合圖像f(x，y)；
[0016]步驟5:帶鋼缺陷圖像分割
[0017]確定步驟4的得到的帶鋼融合圖像f(x，y)的閾值T，然后將大于等于閾值T的區(qū)域分割出來(lái)，即帶鋼缺陷區(qū)域。
[0018]步驟2具體為:
[0019]步驟2.1:降低帶鋼圖像分辨率
[0020]設(shè)帶鋼圖像I (X，y)的尺寸為MXN，對(duì)其進(jìn)行向下2抽樣，即每行每列中的像素間隔抽取，抽取后的圖像尺寸為

【權(quán)利要求】
1.一種基于高斯濾波器多分辨率濾波的帶鋼缺陷檢測(cè)方法，其特征在于，采用高斯濾波器對(duì)采集的帶鋼圖像多分辨率濾波，獲得不同分辨率帶鋼圖像；在不同分辨率帶鋼圖像之間，采用中央周邊操作獲得不同分辨率帶鋼差分圖像；對(duì)帶鋼差分圖像融合；最后通過(guò)帶鋼融合圖像的各行極大值的均值和各列極大值的均值中的較小均值作為分割閾值，將缺陷從帶鋼背景紋理中分割出來(lái)。
2.如權(quán)利要求1所述的一種基于高斯濾波器多分辨率濾波的帶鋼缺陷檢測(cè)方法，其特征在于，具體包括以下步驟: 步驟1:采集帶鋼圖像，獲得帶鋼圖像I (x，y)； 步驟2:高斯濾波器多分辨率濾波 首先，降低帶鋼圖像I (x，y)的分辨率，獲得一次降低分辨率的帶鋼圖像I1Uy);其次，對(duì)I1Uy)低通濾波，獲得一次低通濾波后的帶鋼圖像L(x，y);然后，對(duì)L(x，y)分辨率再次降低，獲得二次降低分辨率的帶鋼圖像L1Uy);最后，對(duì)L1Uy)再次低通濾波，獲得二次低通濾波后的帶鋼圖像L2 (X，y)； 步驟3:多分辨率濾波帶鋼圖像的中央周邊操作 對(duì)所述步驟2獲得的不同分辨率的一次低通濾波后的帶鋼圖像L(x，y)、二次低通濾波后的帶鋼圖像L2 (x, y)進(jìn)行線性插值運(yùn)算，在不同分辨率的帶鋼圖像I (X，y)、一次低通濾波后的帶鋼圖像L(x，y)與二次低通濾波后的帶鋼圖像L2(x，y)之間進(jìn)行中央周邊操作，獲得不同分辨率帶鋼差分圖像(X，y)、f2(x，y)和f3(x，y)； 步驟4:帶鋼差分圖像融合 將所述步驟3獲得的不同分辨率帶鋼差分圖像f1^y)、f2(x，y)和&(1，7)的灰度值范圍調(diào)整到O~255之間，對(duì)調(diào)整后的帶鋼差分圖像f/ (X，y)、f2’ (x, y)和f3’ (x, y)進(jìn)行融合，得到帶鋼融合圖像f(x，y)； 步驟5:帶鋼缺陷圖像分割 確定所述步驟4的得到的帶鋼融合圖像f(x，y)的閾值T，然后將大于等于閾值T的區(qū)域分割出來(lái)，即帶鋼缺陷區(qū)域。
3.如權(quán)利要求2所述的一種基于高斯濾波器多分辨率濾波的帶鋼缺陷檢測(cè)方法，其特征在于，所述步驟2具體為: 步驟2.1:降低帶鋼圖像分辨率 設(shè)帶鋼圖像I (X，y)的尺寸為MXN，對(duì)其進(jìn)行向下2抽樣，即每行每列中的像素間隔抽取，抽取后的圖像尺寸為
獲得一次降低分辨率的帶鋼圖像I1Uy)； 步驟2.2:對(duì)一次降低分辨率的帶鋼圖像I1U, y)低通濾波 定義高斯濾波器函數(shù)G(x，y，σ)如公式(I)所示，σ決定了高斯函數(shù)的寬度，取0.5，模板大小為3*3 ;根據(jù)公式(2)得到一次低通濾波后的帶鋼圖像L(x，y):

其中，o為高斯分布參數(shù)；*表示卷積；I1(Xj)為一次降低分辨率的帶鋼圖像；(m，η)表示為坐標(biāo)U，y)的鄰域坐標(biāo)； 步驟2.3:降低L(x，y)圖像分辨率 對(duì)一次低通濾波后的帶鋼圖像L(x，y)進(jìn)行向下2抽樣，即每行每列中的像素間隔抽取，抽取后的圖像尺寸為
，獲得二次降低分辨率的帶鋼圖像L1U, y)； 步驟2.4:對(duì)帶鋼圖像L1 (X，y)低通濾波 對(duì)二次降低分辨率的帶鋼圖像L1U, y)低通濾波，如公式(3)所示，獲得二次低通濾波后的帶鋼圖像L2(x，y):
L2 (x, y) = G (x, y, σ ) ^L1 (χ, y)(3) 其中，G(x，y，σ)為高斯濾波器函數(shù)AUy)為二次降低分辨率的帶鋼圖像；*表示卷積。
4.如權(quán)利要求2所述的一種基于高斯濾波器多分辨率濾波的帶鋼缺陷檢測(cè)方法，其特征在于，所述步驟3具體為: 步驟3.1:對(duì)不同分辨率帶鋼圖像進(jìn)行雙線性插值運(yùn)算 分別對(duì)不同分辨率的一次低通濾波后的帶鋼圖像L(x，y)、二次低通濾波后的帶鋼圖像L2 (X，y)進(jìn)行線性插值運(yùn)算，插值后其尺寸均為M*N，采用如下方法獲得: 目標(biāo)圖中新創(chuàng)造的像素值f (P)，是由源圖像位置在它附近的2*2區(qū)域4個(gè)相鄰像素Qn、Q12、Q21、Q22的灰度值通過(guò)加權(quán)均值通過(guò)公式(4)、(5)、(6)計(jì)算得出的: X方向的線性插值:
Y方向的線性插值: 在X方向的插值后，再進(jìn)行Y方向的插值，從而實(shí)現(xiàn)雙線性插值；
其中，Q11= (X1J1)jQ12= (X1J2)jQ21= (X2J1)jQ22= (x2, y2) ;f (Qn)、f(Qi2)、f (Q2I)、f (Q22)為各個(gè)像素點(diǎn)的灰度值A(chǔ)1 = (x，yi)，R2= (χ, y2) ^(R1) >f (R2)為R1A2像素點(diǎn)的灰度值，f(P)為得到的插值點(diǎn)(x，y)的灰度值； 步驟3.2:多分辨率帶鋼圖像之間差分 在不同分辨率的帶鋼圖像I (x，y)、一次低通濾波后的帶鋼圖像L(x，y)與二次低通濾波后的帶鋼圖像L2(1，7)之間采用公式(7)進(jìn)行中央周邊操作，從而提高帶鋼缺陷與背景的對(duì)比度；
其中，?為中央周邊操作，表示不同分辨率濾波帶鋼圖像之間差分操作，f\(X，y)、f2(x，y)和f3(x，y)分別表示不同分辨率帶鋼差分圖像。
5.如權(quán)利要求2所述的一種基于高斯濾波器多分辨率濾波的帶鋼缺陷檢測(cè)方法，其特征在于，所述步驟4具體為: 步驟4.1:帶鋼差分圖像的灰度值范圍調(diào)整 分別將帶鋼差分圖像f\(x，y) >f2(χ, y)和f3(x，y)的灰度值范圍調(diào)整到O~255之間，根據(jù)公式(8)分別計(jì)算調(diào)整后的帶鋼差分圖像f/ (x，y)、f2’ (x, y)和f3’ (x, y):
式中，fjx, y)、f2(x, y)和f3(x，y)分別表示不同分辨率帶鋼差分圖像，Hiaxlif1 (x, y)]、max [f2 (x, y) ] > max [f3 (x, y)]分別為 (x, y)、f2 (x，y)和 f3(x，y)的圖像灰度極大值； 步驟4.2:帶鋼差分圖像之間進(jìn)行融合 將調(diào)整后的帶鋼差分圖像f/ (χ，y)、f； (χ, y)和f3’ (χ, y)按照公式(9)進(jìn)行融合；
得到帶鋼融合圖像f (χ, y)。
6.如權(quán)利要求2所述的一種基于高斯濾波器多分辨率濾波的帶鋼缺陷檢測(cè)方法，其特征在于，所述步驟5具體為: 步驟5.1:確定分割閾值 對(duì)帶鋼融合圖像f (X，y)按照公式(10)確定閾值；
其中，max [f (x, y)]表示帶鋼融合圖中各行的極大值，max [f' (x, y)]表示帶鋼融合圖中各列的極大值，mean {}表示均值運(yùn)算，th為融合圖中各行極大值的均值、th2為融合圖中各列極大值的均值!η?η--?^，th2]表示thp th2中的極小值；T為帶鋼缺陷圖像分割閾值；步驟5.2:進(jìn)行帶鋼缺陷圖像分割根據(jù)所述步驟5.1確定的閾值T，按照公式(11)分割，大于或等于閾值歸為帶鋼缺陷區(qū)域，小于閾值歸為背景區(qū)域，將帶鋼缺陷分割出來(lái):
式中，255表示帶鋼缺陷區(qū)域，O表示背景區(qū)域。
【文檔編號(hào)】G06T7/00GK104134211SQ201410352867
【公開(kāi)日】2014年11月5日 申請(qǐng)日期:2014年7月23日 優(yōu)先權(quán)日:2014年7月23日
【發(fā)明者】管聲啟, 徐帥華, 師紅宇 申請(qǐng)人:西安工程大學(xué)