[发明专利]工件表面缺陷图像识别方法

权利要求书

1.一种工件表面缺陷图像识别方法，其特征在于：通过机器学习方法对工件表面缺陷进行提取与检测；通过基于主成分方向的坐标变换方法将原始工件表面图像中划痕缺陷的线性流形关联转化为欧氏距离关联，简化后续的聚类计算，从而降低运算时间，同时不影响其他缺陷的聚类分析；利用新坐标下各图像缺陷区域的位置关联性计算各图像缺陷区域局部密度值；通过坐标变换后各点局部密度特征进行选取，并以此自动确定聚类中心的数目并对各图像缺陷区域进行聚类，从而将各缺陷所对应的图像缺陷区域归为同一类，避免了常规聚类方法需以人工方式选择确定聚类中心数以及进行迭代精化运算的问题；最后通过对聚类结果的统计分析确定原始图像中包含的缺陷数目以及缺陷大小；具体包括以下工序，使用专业成像设备收集工件表面图像；对工件表面图像使用边缘检测算法得到图像表面存在缺陷的区域；计算图像上各缺陷区域的主成分方向、主成分方向向量与图像坐标原点的距离并分别归一化后作为各图像缺陷区域的新坐标值；分别计算新坐标下各图像缺陷区域间距离，并以此计算各图像缺陷区域局部密度；基于各图像缺陷区域局部密度以及与其它局部密度较大图像缺陷区域的距离选择缺陷聚类中心，并基于局部密度峰值对图像缺陷区域进行聚类，实现各缺陷的分离；统计聚类数目以及原始图像上各类中图像缺陷区域占原始图像总大小的百分比，以此确定缺陷数目以及各缺陷大小。

2.根据权利要求1所述工件表面缺陷图像识别方法，其特征是：所述专业成像设备由工业数字相机、照明系统、计算机系统、控制系统组成。

3.根据权利要求1所述工件表面缺陷图像识别方法，其特征是：所述边缘检测算法为使用Sobel算子以及Canny算子分别对工件表面图像进行卷积，并对两者卷积结果进行求和运算。

4.根据权利要求1所述工件表面缺陷图像识别方法，其特征是：所述图像上存在位置关联的缺陷区域是指图像各缺陷区域间欧氏距离小于给定阀值d_l，即认为其存在位置关联。

5.根据权利要求1所述工件表面缺陷图像识别方法，其特征是：所述缺陷区域的主成分方向具体为：对缺陷区域的协方差矩阵进行奇异值分解，得到其协方差矩阵的特征向量U，基于公式α＝arctan(U(1,2)/U(1,1))/π计算得到该缺陷区域的主成分方向α。

6.根据权利要求1所述工件表面缺陷图像识别方法，其特征是：所述各图像缺陷区域局部密度具体为：将d_ij参数定义为新坐标下图像缺陷区域i与图像缺陷区域j间的距离，d_c参数定义为截断距离，参数定义为第i个图像缺陷区域的局部密度，基于公式求得。

7.根据权利要求1所述工件表面缺陷图像识别方法，其特征是：所述各图像缺陷区域与其它局部密度较大图像缺陷区域的距离为：定义δ_i为各图像缺陷区域与其它局部密度较大图像缺陷区域的距离，其基于公式求得。

8.根据权利要求1所述工件表面缺陷图像识别方法，其特征是：所述选择缺陷聚类中心具体为：定义γ_i＝exp(ρ_i)×δ_i以描述各图像缺陷区域作为聚类中心的权值，将各图像缺陷区域的γ_i值由高至低进行排列，选择所得γ_i值排列图像中拐点以前部分对应的图像缺陷区域作为缺陷聚类中心。

9.根据权利要求1所述工件表面缺陷图像识别方法，其特征是：所述基于局部密度峰值对图像缺陷区域进行聚类具体为：将各个聚类中心分别标记为不同的类，将其它图像缺陷区域依次与该缺陷区域在新坐标下距离最近的已归类图像缺陷区域归为同一类。