[发明专利]基于视觉的家具表面喷漆缺陷检测方法

权利要求书

1.一种基于视觉的家具表面喷漆缺陷检测方法，其特征在于，包括以下步骤：

获取待检测家具的表面喷漆图像，对所述表面喷漆图像进行预处理，得到目标喷漆图像；

对所述目标喷漆图像进行超像素块划分处理，得到待处理超像素块集合；

确定所述待处理超像素块集合中的待处理超像素块对应的整体显著度；

根据所述待处理超像素块集合中的各个待处理超像素块对应的整体显著度，从所述待处理超像素块集合中划分出缺陷候选超像素块集合和正常像素块集合；

根据所述缺陷候选超像素块集合和所述正常像素块集合，从所述缺陷候选超像素块集合中筛选出喷漆缺陷像素点集合；

根据所述喷漆缺陷像素点集合和预先获取的家具中心像素点，确定所述待检测家具对应的目标喷漆缺陷程度；

根据所述目标喷漆缺陷程度，生成所述待检测家具对应的目标缺陷信息；

所述确定所述待处理超像素块集合中的待处理超像素块对应的整体显著度，包括：

确定所述待处理超像素块集合中的待处理超像素块中的各个像素点对应的梯度幅值和梯度方向；

根据所述待处理超像素块集合中的每个待处理超像素块中的各个像素点对应的梯度幅值和梯度方向，确定所述待处理超像素块对应的内部熵；

确定所述待处理超像素块集合中的每个待处理超像素块对应的邻域超像素块集合；

根据所述待处理超像素块集合中的每个待处理超像素块和所述待处理超像素块对应的邻域超像素块集合，确定所述待处理超像素块对应的灰度显著度；

确定所述待处理超像素块集合中的每个待处理超像素块对应的对比显著度；

根据所述待处理超像素块集合中的每个待处理超像素块对应的内部熵、灰度显著度和对比显著度，确定所述待处理超像素块对应的整体显著度；

所述根据所述待处理超像素块集合中的每个待处理超像素块和所述待处理超像素块对应的邻域超像素块集合，确定所述待处理超像素块对应的灰度显著度，包括：

将所述待处理超像素块中的像素点对应的灰度值的均值，确定为所述待处理超像素块对应的第一灰度均值；

将所述待处理超像素块对应的邻域超像素块集合中的每个邻域超像素块中的像素点对应的灰度值的均值，确定为第二灰度均值，得到所述待处理超像素块对应的第二灰度均值集合；

根据所述待处理超像素块对应的第一灰度均值和第二灰度均值集合中的每个第二灰度均值，确定第一灰度显著度，得到所述待处理超像素块对应的第一灰度显著度集合；

从所述待处理超像素块对应的第一灰度显著度集合中筛选出最大的第一灰度显著度，作为所述待处理超像素块对应的灰度显著度；

所述确定所述待处理超像素块集合中的每个待处理超像素块对应的对比显著度，包括：

根据所述待处理超像素块中的各个像素点对应的灰度值、所述待处理超像素块中的像素点对应的灰度值的均值和所述待处理超像素块中的像素点的数量，确定所述待处理超像素块对应的灰度对比度指标；

确定所述待处理超像素块对应的邻域超像素块集合中的邻域超像素块对应的灰度对比度指标；

根据所述待处理超像素块和所述待处理超像素块对应的邻域超像素块集合中的邻域超像素块对应的灰度对比度指标，确定所述待处理超像素块对应的对比显著度。

2.根据权利要求1所述的一种基于视觉的家具表面喷漆缺陷检测方法，其特征在于，所述根据所述待处理超像素块集合中的每个待处理超像素块中的各个像素点对应的梯度幅值和梯度方向，确定所述待处理超像素块对应的内部熵，包括：

将所述待处理超像素块中的每个像素点对应的梯度幅值和梯度方向，组合为所述像素点对应的二元组，得到所述待处理超像素块对应的二元组集合；

对所述待处理超像素块对应的二元组集合中的二元组进行分类处理，得到所述待处理超像素块对应的二元组类别集合；

根据所述待处理超像素块对应的二元组类别集合中的二元组类别的数量、所述待处理超像素块中的像素点的数量和所述待处理超像素块对应的二元组类别集合中的各个二元组类别中的二元组的数量，确定所述待处理超像素块对应的内部熵。