[发明专利]一种涂泥木线条表面小点状缺陷的检测方法

说明书

本发明是一种涂泥木线条表面小点状缺陷的检测方法，其步骤如下：(1)采集原始图像，用相关向量机算法生成回归图像；根据原始图像和回归图像计算差图像；对差图像使用核相关系数进行后处理构造新图像，并对新图像进行取反并二值化；使用一个3×3的掩膜扫描二值化图像，计算掩膜覆盖部分的局部均值，以该均值作为灰度值构造缺陷检测图像；在缺陷检测图像中，利用阈值法检测缺陷。本发明使用相关向量机结合核相关系数后处理方法，对图像中的小缺陷进行检测，具有很好的检测性能。采用本发明方法进行涂泥木线条表面小点状缺陷检测，可获得较高信杂比；且背景抑制能力较强。

技术领域

本发明涉及表面缺陷检测技术领域，特别是一种基于相关向量机回归的涂泥木线条表面小点状缺陷的检测方法。

背景技术

涂泥木线条具有美观、强度大、耐潮湿等优点，是一种使用非常广泛的建筑材料。我国是涂泥木线条的生产大国，除满足国内市场外，每年也有大量产品出口国际市场。为了保证木线条的产品质量，在生产过程中，对木线条表面进行缺陷检测，剔除缺陷产品，就显得尤为重要。近年来，数字图像处理和机器视觉技术得到快速发展，在木材工业中，人们已经利用这些技术成功实现木材表面缺陷检测(贾壮，戴天虹，李昊.木材缺陷的图像分割提取技术综述[J].西部林业科学，2015，44(05)：148-152.)。但是对于表面小点状缺陷，因面积小、缺乏纹理特征，导致其检测非常困难。

现有的小目标检测方法较多基于滤波算法，利用小目标的高频特性实现检测，但噪声也是高频信号，这就经常产生缺陷的误报，检测性能并不好。

发明内容

本发明要解决的技术问题是针对现有技术的不足，提出一种新的涂泥木线条小点状缺陷的检测方法，该方法可提高涂泥木线条表面小点状缺陷的检测性能。

本发明方法的原理是：

对于给定的样本{x_n，t_n}(n＝1，2，…，N)，假设t_n为函数值y与噪声ε_n的和：t_n＝y(x_n；w)+ε_n (1)；

其中，函数y(x；w)的表达式为：

式(2)中，W为权值向量，k(x，x_i)为核函数。假定t是独立的，且ε_n服从均值为0方差为σ²的高斯分布。t的概率密度函数为：

式(3)中：t＝(t₁，t₂，…，t_N)^T，w＝(w₁，w₂，…，w_N)^T，Φ＝[φ(x₁)，φ(x₂)，…，φ(x_N)]^T，φ(x_n)＝[k(x₁，x_n)，φ(x₂，x_n)，…，φ(x_N，x_n)]^T。为了避免过拟合问题，W的先验概率分布定义为：

其中，α是N+1维超参数向量。由贝叶斯规则(Bayes′Rule)，上述权向量W的后验分布为：

式中，协方差∑＝(σ^-2Φ^TΦ+A)^-1均值μ＝σ^-2∑Φ^Tt。其中A＝diag(α₀，α₁，…α_N)，α和σ²都是需要估计的超参数。α和σ²按下式更新：