[发明专利]一种基于字典学习的缺陷检测方法

权利要求书

1.一种基于字典学习的缺陷检测方法，其特征在于，包括以下步骤：

步骤1)采集标准的面板图像，提取面板图像的边缘信息特征，成为特征图像一；

步骤2)将特征图像一重叠划分为大小相同的小块，组成特征图像训练库；

步骤3)对特征图像训练库中的小块进行字典学习，得到特征图像字典和相应的表示系数矩阵；

步骤4)采集一幅待检测的面板图像，提取面板图像的边缘信息特征，变换为特征图像二；

步骤5)将特征图像二重叠划分为与特征图像训练库中的小块大小相同的小块；

步骤6)对每一个特征图像二所得的小块在特征图像字典下稀疏表示，得到相应的稀疏表示系数；

步骤7)对稀疏表示系数进行分析，如果其稀疏表示系数的L1范数远大于零，则认为该小块上没有缺陷，如果其稀疏表示系数的L1范数接近于零，则认为该小块上存在缺陷，进而该待检测面板存在缺陷。

2.根据权利要求1所述的一种基于字典学习的缺陷检测方法，其特征在于：所述小块的大小为16*16像素。

3.根据权利要求1所述的一种基于字典学习的缺陷检测方法，其特征在于：所述重叠划分的重叠为8像素，即本行的小块之间重叠长为8像素，本行与上一行的小块之间重叠宽也为8像素。

4.根据权利要求1所述的一种基于字典学习的缺陷检测方法，其特征在于：所述字典学习的方法采用K-SVD。

5.根据权利要求1所述的一种基于字典学习的缺陷检测方法，其特征在于：所述稀疏表示的稀疏性度量采用L1范数，求解采用迭代阈值收缩法。

6.根据权利要求1所述的一种基于字典学习的缺陷检测方法，其特征在于：所述提取边缘信息特征的方法采用梯度法，即求水平梯度和垂直梯度两个梯度，之后将两梯度的平方和开方，可得待求特征图像。

7.根据权利要求6所述的一种基于字典学习的缺陷检测方法，其特征在于：将与当前图像相差一列的图像最右一列补零列，得参考图像一，则所述水平梯度即将当前图像像素值减去参考图像一的像素值。

8.根据权利要求6所述的一种基于字典学习的缺陷检测方法，其特征在于：将与当前图像相差一行的图像最下一行补零行，得参考图像二，则所述垂直梯度即将当前图像像素值减去参考图像二的像素值。