[发明专利]基于自适应参数模型粒子滤波的非线性系统缺陷检测与定位算法

权利要求书

1.一种基于自适应参数模型粒子滤波的非线性系统缺陷检测和定位方法，其特征在于，包括以下步骤：

第一步，建立视觉系统的状态模型和测量模型。

第二步，对于每个像素，贝叶斯滤波可由递归贝叶斯沿着图像的扫描线产生的状态估计。

第三步，由新息来表示预估值z_k|k-1和实际测量值z_k之间的差异。

第四步，当测量值z_k是高斯变量，可以建立卡方检验统计量。

第五步，通过卡方检验检测缺陷并定位。

2.根据权利要求1所述的基于自适应参数模型粒子滤波的非线性系统缺陷检测和定位方法，其特征是，所述的状态模型，具体是

x_k＝F_kx_k-1+v_k

其中x_k是在时间序列的状态，F_k是该状态转移模型，并且v_k是零均值白高斯噪声方差序列对于本文缺陷检测的问题，该动态模型采用F_k＝1时的随机游走模型。在高斯序列中每个状态也可写为

其中代表一个高斯分布的期望A和方差B。

所述时间序列的状态x_k，具体是一个高斯白噪声状态序列。当被检查的目标无缺陷，沿每条扫描线的像素的亮度呈现小的变化。因此，在一个无缺陷的图像中，灰度级沿着扫描线可以被定义为一个高斯白噪声状态序列或

3.根据权利要求1所述的基于自适应参数模型粒子滤波的非线性系统缺陷检测和定位方法，其特征是，所述的测量模型，具体是

z_k＝g_k(x_k)+w_k

其中g_k(·)表示从状态估计x_k到测量值z_k的转移函数，w_k是零均值白高斯噪声方差序列

所述测量值z_k是数字图像中是像素的灰度值或亮度。假定在一幅M×N的图像中，任意一行或者一列像素的灰度可作为一个时间序列或者随机过程或其中k是有关像素的扫描线的一维坐标。