[发明专利]一种基于计算机视觉的CPP薄膜缺陷分类方法

权利要求书

1.一种基于计算机视觉的CPP薄膜缺陷分类方法，其特征在于：

对采集的缺陷薄膜透光图进行预处理得到每一个缺陷连通域；

对每个缺陷连通域进行不同尺度的下采样得到每个缺陷连通域不同尺度的采样图像，对不同尺度的采样图像进行随机池化得到每个缺陷连通域每个尺度的各池化图像；

通过每个缺陷连通域每个尺度中各池化图像上每一个像素点的灰度值与其邻域像素灰度值得到每个像素点的编码值；

通过每个池化图像上每个像素点的编码值和其邻域像素的编码值均值得到各池化图像的差异分布熵；根据得到的所有差异分布熵的范围进行分级得到各池化图像所在的差异分布熵级；

根据各池化图像所在的尺度和各池化图像所对应的差异分布熵级构建尺度-差异分布熵共生矩阵；

利用尺度-差异分布熵共生矩阵的元素获得每个缺陷连通域的分类指向系数，根据分类指向系数的值对缺陷连通域的缺陷进行分类。

2.根据权利要求1所述的一种基于计算机视觉的CPP薄膜缺陷分类方法，其特征在于，所述差异分布熵的表达式为：

式中：表示差异分布熵，表示中心像素的编码值，表示中心像素八邻域像素的编码值均值，表示二元组在编码值图像中出现的概率。

3.根据权利要求1所述的一种基于计算机视觉的CPP薄膜缺陷分类方法，其特征在于，根据所有池化图像所在的尺度进行分级得到各池化图像的尺度级别，利用各池化图像对应的尺度级别和差异分布熵的级别构建尺度-差异分布熵共生矩阵，提取尺度-差异分布熵共生矩阵中的尺度级别和差异分布熵级别得到分类指向系数；

所述分类指向系数的表达式为：

式中：表示缺陷连通域的分类指向系数，表示池化图像的第个尺度级别，表示池化图像对应的差异分布熵的第个级别，表示池化图像的尺度级别个数，表示池化图像对应的差异分布熵的级别个数，表示尺度级别为，差异分布熵的级别为的池化图像在其对应的尺度-差异分布熵共生矩阵中的概率。

4.根据权利要求1所述的一种基于计算机视觉的CPP薄膜缺陷分类方法，其特征在于，通过每个缺陷连通域每个尺度中各池化图像上每一个像素点的灰度值与其邻域像素灰度值得到每个像素点的编码值的方法为：

在每个缺陷连通域每个尺度的各池化图像上，若邻域像素的灰度值大于中心像素的灰度值，则将邻域像素记为1；若邻域像素的灰度值小于中心像素的灰度值，则将邻域像素记为0；

以中心像素正下方为起始点，顺时针将邻域像素的0或者1排列得到一个二进制编码；

将该二进制编码转化为十进制作为中心像素点的编码值。

5.根据权利要求1所述的一种基于计算机视觉的CPP薄膜缺陷分类方法，其特征在于，所述随机池化的方法为：对采样图像进行2*2，步长为2滑窗，通过选取每次滑窗内的一个像素值得到池化图像，重复对该采样图像进行滑窗，获得该采样图像池化得到的各池化图像。

6.根据权利要求1所述的一种基于计算机视觉的CPP薄膜缺陷分类方法，其特征在于，所述预处理包括：对采集的缺陷薄膜透光图进行灰度化、阈值分割处理得到每一个缺陷连通域。

7.根据权利要求1所述的一种基于计算机视觉的CPP薄膜缺陷分类方法，其特征在于，根据分类指向系数的值对缺陷连通域的缺陷进行分类的方法为：

若分类指向系数在[0,4]之间，判断该分类指向系数对应的缺陷连通域为厚度不均缺陷；若分类指向系数在[6,9]之间，判断该分类指向系数对应的缺陷连通域为表面喷霜缺陷；若分类指向系数在之间，判断该分类指向系数对应的缺陷连通域为厚度不均缺陷和表面喷霜缺陷。