[发明专利]基于纹理特征聚类的磁瓦表面缺陷检测方法

说明书

本发明提供一种基于纹理特征聚类的磁瓦表面缺陷检测识别方法，具体算法包括：第一步，通过Gabor核函数与磁瓦表面灰度值卷积计算得到Gabor能量谱，选用四个方向的能量谱叠加得到总能量谱；第二步，为优化算法，利用自定义乘积系数谱与总能量谱相乘得到修正的Gabor能量谱；第三步采用模糊C均值聚类算法对修正的Gabor能量谱分割出3类区域；第四步，通过对3类区域采用过质点水平线上的灰度变化特性提取缺陷，判定磁瓦合格与不合格。本发明利用缺陷纹理与正常纹理特征的差别，通过聚类算法分割，有效地克服了磁瓦本身光照不均匀、噪声干扰等问题，可以快速、有效地提取各类磁瓦缺陷，具有很强得适应性。

技术领域

本发明涉及机器视觉领域，具体是指一种通过纹理特征聚类分析对磁瓦表面缺陷检测识别的方法。

背景技术

铁氧体磁瓦是主要用于永磁电机上的一种瓦状磁铁，其品质的高低直接影响了永磁电机的整体性能。在磁瓦生产过程中，由于工艺问题，磁瓦表面容易出现裂纹、破损、麻点等缺陷，直接影响了磁瓦的正常使用。目前工业生产中对磁瓦表面缺陷的判断基本采用人工检测，检测精度差、检测效率低且劳动力成本高。

随着机器视觉的不断发展，基于机器视觉的缺陷检测技术已经开始在工业产品表面质量监控中得到广泛应用，利用机器视觉自动检测能够提高企业的生产效率、降低劳动成本，增加企业的竞争力。然而针对磁瓦这一产品，本身具有灰度差不明显，且表面存在一定的弧度的特点，导致光照不易均匀，图像灰度对比度低，因此需要开发出特定的检测算法来完成缺陷提取识别。

发明内容

本发明针对上述存在的问题，提供了一种基于纹理特征聚类的磁瓦表面缺陷提取识别方法，实现磁瓦缺陷的自动检测。

本发明所解决的技术问题是提供一种基于纹理特征聚类的磁瓦表面缺陷提取识别算法。利用Gabor核函数构造能量谱表征磁瓦表面纹理特征，克服光照、尺度、角度等干扰；采用自定义系数修正Gabor能量谱，然后利用模糊C均值聚类算法对修正后Gabor能量谱图像分割出缺陷纹理和正常纹理区域；最后根据聚类分割后区域灰度变化特征快速、有效地提取识别缺陷区域。算法包括以下步骤。

第一步：利用Gabor核函数构造能量谱表征磁瓦表面的纹理特征，采用Gabor核函数对原始图像卷积计算，得到8方向的Gabor能量谱，并用0度、45度、90度、135度方向的能量谱叠加表征磁瓦表面的纹理特征。

第二步：构造自定义系数谱修正Gabor能量谱，通过自定义系数谱与Gabor能量谱相乘，得到修正的Gabor能量谱，并确定聚类簇数为3，以优化聚类效果。

第三步：利用模糊C均值(FCM)聚类算法对修正的Gabor能量谱分割图像，由于确定的聚类簇数为3，则纹理特征分成3类区域。

第四步，识别3类区域中的缺陷区域，完成磁瓦缺陷分割和提取，根据过质点的水平线和垂直线上的灰度变化特性，判断缺陷处于的区域。

进一步的，所述第一步具体为。

(1) Gabor核函数。

采用通用的复2-D Gabor核函数，复2-D Gabor核函数是由高斯函数调制的复正弦函数，其数学表达式为。

。

式中，z=(x, y)为图像像素点，其中，x, y分别为图像中的横坐标和纵坐标；和分别表示Gabor小波的方向和尺度；表示摸运算；i为复数算子；为高斯函数的半径，规定了二维Gabor小波的尺寸大小；为核函数的中心频率，体现了滤波器的方向选择性。

本发明利用上述数学公式并确定参数：=1，=2，，，。

(2)构造Gabor能量谱。