[发明专利]一种基于梯度方向直方图的瓶口缺陷检测方法

权利要求书

1.一种基于梯度方向直方图的瓶口缺陷检测方法，其特征在于：对样本图像提取固定尺寸单元格、区块、窗口，通过计算窗口内像素点的梯度方向直方图获取样本图片特征向量，输入支持向量机进行训练，提取特征用于瓶口缺陷检测；具体为：首先将瓶口圆环部分拉伸成矩形，再进行剪裁拼接以减小矩形的宽高差距，把修正后的矩形作为样本图片，对有缺陷和无缺陷样本图片分别进行Gamma校正，以规范化样本图像，将样本图片分割成多个窗口，分别统计窗口内的梯度方向直方图分布，得到特征向量，利用支持向量机形成分类器，用于后续瓶口图片的缺陷检测；然后，对待检测瓶口图像，通过梯度方向直方图求取每个检测窗口的特征向量，结合预先形成的分类器，判定当前窗口是否存在缺陷，对整幅瓶口图像统计缺陷个数并标识，判定当前瓶口是否为缺陷瓶口；其中，进行瓶口缺陷检测的具体步骤如下：

1)利用瓶口模板图像，训练学习用于缺陷检测的特征向量：

以无缺陷瓶口的图像建立训练集，对各幅图像，计算单元格内所有像素点(x,y)的梯度幅值G(x,y)，梯度角度θ(x,y)，规定图像的直方图通道数量为n，对每一个像素点(x,y)在n个直方图通道上进行加权投票，根据G(x,y)计算加权系数，根据θ(x,y)确定投票通道，构建单元格内像素点的梯度方向直方图，将一个区块内的所有单元格进行合并，组成区块的特征向量{f(c_m，b_n)|m＝0，1，2，…ncells-1；n＝0，1，2，…nbins}，其中，c_m表示区块内的第m个单元格，ncells表示一个区块内的单元格数量，b_n表示单元格内的第n个直方图通道，nbins表示一个单元格内的直方图通道数量，将区块的特征向量组合，形成检测窗口的特征向量{f(c_m×k，b_n)|m＝0，1，2，…ncells-1；k＝0，1，2…nblocks-1；n＝0，1，2，…nbins}，其中c_m×k表示窗口内的第m×k个单元格，nblocks表示一个窗口内的区块数量；

2)采用支持向量机SVM作为分类器，获取数量为l的训练集{(x_iy_i),i＝0,1,2…l-1}作为二类别样本，如果根据样本图片的特征向量形成的描述子属于第一类，则标记为正，即y_i＝1，表示缺陷瓶口，否则标记为负，即y_i＝-1，表示合格瓶口；

3)对图像进行多次金字塔降采样，每一幅图像获取特征值作为SVM分类器判定依据返回给上一级；

4)对每一张待检测的瓶口图像，进行滑动窗口检测，并获取当前滑动窗口的特征向量{f(c_m×k，b_n)|m＝0，1，2，…ncells-1；k＝0，1，2…nblocks-1；n＝0，1，2，…nbins}，其中：

其中，cellsize表示单元格宽度和高度，blocksize表示区块的宽度和高度，blockstep表示区块在窗口内移动时的步长，windowsize表示窗口的宽度和高度；每一窗口进行检测标记，统计瓶口图像缺陷个数，返回标识符表示当前瓶口是否合格。

2.根据权利要求1所述的一种基于梯度方向直方图的瓶口缺陷检测方法，其特征在于：所述的特征向量的获取方法为：首先求取单元格内像素点(x,y)的梯度幅值G(x,y)，梯度角度θ(x,y)，绘制梯度方向直方图，形成特征向量，再对区块中的所有单元格特征进行合并，获取区块的特征向量，进行归一化，再将窗口内所有区块进行合并，获取窗口区域内的特征向量。

3.根据权利要求2所述的一种基于梯度方向直方图的瓶口缺陷检测方法，其特征在于：瓶口圆环部分拉伸成矩形的具体步骤为：

1)在圆环中，角度为θ的扇形对应长度为α的圆弧，即每弧度圆心角对应圆弧长度为转换过程中，θ取2π，即整个圆环；

2)瓶口圆环内外半径差为r，拉伸后的矩形宽度为r，高度为圆环外圆周长，原圆环内圆也被拉伸为外圆周长，缺失像素使用线性插值计算得出；

3)对拉伸后的矩形瓶口进行纵向裁剪，裁剪长度为矩形高度的六分之一，再进行拼接，拼接后的矩形宽度为6r，高度为外圆周长的六分之一。