[发明专利]一种基于视觉熵注意机制的微靶球轮廓缺陷检测方法

说明书

本发明涉及图像处理和显微视觉技术领域，尤其是涉及一种基于视觉熵注意机制的目标轮廓差分熵判别方法，用以对显微对象进行精确定位及检测。该方法采用低倍和高倍两组镜头获取图像，经过大视场图像的感兴趣区域获取、小视场图像的获取、小视场图像局部增强、小视场微靶球轮廓熵值提取及差分熵敛散性判别四个步骤，最终实现显微对象的精确定位及检测。该方法能够实现显微视觉下微靶球的定位，能够解决采用常规形态学判别法出现的误判问题。

技术领域

本发明涉及图像处理和显微视觉技术领域，尤其是涉及一种基于视觉熵注意机制的微靶球轮廓缺陷检测方法，用以对微靶球进行高效的检测识别，解决显微视觉下的微靶球边缘模糊导致误识别、误匹配问题。

背景技术

人的视觉焦点定位机制能够快速处理视觉环境中的感兴趣信息，这种潜在信息的选择和视觉焦点的转移是目前仿生视觉领域中视觉注意机制的关键。

视觉注意机制发展至今，Itti显著性模型最具代表性。该模型初步提取图像的颜色、亮度和朝向等特征，在多尺度模式下利用Center-surround操作得到显著特征图，然后将这些特征图合并得到最终显著图，采用CTA竞争机制得到显著位置，最后通过回路抑制机制完成焦点转移。该模型的典型实现方法包括：Itti等的iNVT、Walther的STB、Frintrop的视觉注意系统。

后来Hou等提出通过频谱分析进行显著性检测的方法，即谱残差法(SR)。用这种方法对图像幅度谱进行均值滤波处理，再进行傅里叶逆变换得到显著图；Guo等提出相位谱傅里叶变换法PFT，即舍弃图像幅度谱，保留相位谱，进行显著性预测，再利用四元数傅里叶变换将颜色、亮度等特征信息融合，最后并行处理，此方法也称为相位谱四元数傅里叶变换法；Achanta等提出频率调协法(FT)，这种方法将图像进行RGB到CIELab颜色空间转换，再经过高斯平滑和图像特征量算数平均处理，最终按点求幅度得到显著图；Li等提出超复数傅里叶变换法(HFT)，即对图像幅度谱进行低通滤波处理，抑制重复信号，突显显著信号，然后结合原始图像相位谱进行傅里叶逆变换，最终得到显著图。

以上视觉注意算法在其自身领域均有较大突破，但是在微视觉领域却没有提出相应的快速注意算法，目前关于微靶球的检测仍然以腐蚀膨胀、圆度等形态学处理为主，在微视觉检测精度方面还需提高。本发明以微视觉领域微靶球轮廓缺陷检测为背景，针对微视觉领域图像高分辨率、大数据量、低信噪比等特点引入一种基于视觉熵的快速注意机制，并且针对微视觉图像微靶球误匹配问题，提出一种行之有效的微靶球轮廓缺陷差分熵敛散度判别方法。

发明内容

为了克服微视觉领域的难题，本发明提供了一种基于视觉熵注意机制的微靶球轮廓缺陷检测方法，可以有效地解决显微视觉下分辨率和视野大小相矛盾的问题，实现微靶球的高精度检测。

本发明解决此技术问题所采用的技术方案是：一种基于视觉熵注意机制的微靶球轮廓缺陷检测方法，其主要步骤如下：

(1)获取微靶球的大视场图像，通过视觉熵注意机制对大视场图像进行感兴趣区域(即微靶球密集区域)的获取，将需要获取高分辨率图像的注意区域提取出来；

(2)通过位移台控制器控制三维精密位移台移动高倍相机镜头对准感兴趣区域中心，进行小视场感兴趣区域的成像，获得高分辨率的小视场图像；

(3)针对获得的小视场图像依次进行边缘增强和照度增强；

(4)针对增强后的小视场图像利用Canny算法进行微靶球边缘提取，通过判断微靶球轮廓的差分熵敛散性来识别目标是残球还是完整靶球。

所述步骤(1)中的通过视觉熵注意机制进行感兴趣区域的获取，主要步骤包括：

1)对微靶球大视场图像进行图像二值化处理；

2)划分图像熵值提取网络，以图像块为单位提取图像熵值信息；