[发明专利]基于邻域信息评估的热轧钢板表面缺陷图像识别方法

摘要

本发明一种基于邻域信息评估的热轧钢板表面缺陷图像识别方法，属于模式识别和机器视觉领域，本发明在钢板表面缺陷图像的特征提取中引入了局部二值模式的特征提取方法，该方法提取的特征具有：同类缺陷的特征集中而不同类型缺陷特征区分度较高；本发明在局部二值模式的特征提取中引入了邻域信息评估窗口，可以有效抵抗特征受到的噪声干扰影响；本发明在局部二值模式的特征提取中引入了邻域信息评估窗口，还可以有效解决由于照明和材料的变化影响而使得缺陷特征发生改变。

主权项

一种基于邻域信息评估的热轧钢板表面缺陷图像识别方法，其特征在于：包括如下步骤：步骤1、采用线阵工业相机采集钢板表面图像；步骤2、采用图像灰度投影方法对采集的钢板表面图像进行检测，判断是否为缺陷图像，若是，则执行步骤3，否则将图像删除；步骤3、采用活动轮廓模型的分割方法对缺陷图像进行分割，判断是否有缺陷区域，若有，则执行步骤4，否则将图像删除；步骤4、采用基于邻域信息评估的局部二值模式提取缺陷图像的特征，具体步骤如下：步骤4‑1、将表面缺陷图像进行归一化处理；步骤4‑2、确定局部二值模式中评估窗口的邻域中心g_c，并将其周围P个邻域像素点依次作为评估中心a_p；步骤4‑3、从P个邻域像素点中随机确定第一个评估中心a_p，并以该评估中心作为另一个邻域中心确定另一个窗口，计算该窗口内邻域中心周围像素点的平均灰度值，并将该平均灰度值赋给该窗口内邻域中心，即评估中心a_p；步骤4‑4、重复步骤4‑3依次计算获得邻域中心g_c周围的P个邻域像素点的灰度值；步骤4‑5、将P个评估中心a_p依次与邻域中心g_c进行比较，并将比较结果依次赋值至P个评估中心：$s(a_p-g_c)=\left\{\begin{array}{cc}1& a_p-g_c\≥0\\ 0& a_p-g_c\<0\end{array}\right.---\left(1\right)$其中，s表示评估中心a_p和邻域中心g_c之间的函数；步骤4‑6、根据P个评估中心a_p值获得基于邻域信息评估的局部二值模式特征值，公式如下：$\mathrm{AELBP}=\underset{p=0}{\overset{P-1}{\mathrm{\Σ}}}{a}_p{2}^p---\left(2\right)$其中，AELBP为特征值；步骤4‑7；将邻域中心g_c按照从左至右、从上至下的顺序逐步更新选取邻域中心，重复步骤4‑2到步骤4‑6，确定完整钢板缺陷区域特征；步骤5、将缺陷图像的特征输入到支持向量机分类器中对钢板缺陷进行分类。