[发明专利]基于纹理特征聚类的磁瓦表面缺陷检测方法

摘要

本发明提供一种基于纹理特征聚类的磁瓦表面缺陷检测识别方法，具体算法包括：第一步，通过Gabor核函数与磁瓦表面灰度值卷积计算得到Gabor能量谱，选用四个方向的能量谱叠加得到总能量谱；第二步，为优化算法，利用自定义乘积系数谱与总能量谱相乘得到修正的Gabor能量谱；第三步采用模糊C均值聚类算法对修正的Gabor能量谱分割出3类区域；第四步，通过对3类区域采用过质点水平线上的灰度变化特性提取缺陷，判定磁瓦合格与不合格。本发明利用缺陷纹理与正常纹理特征的差别，通过聚类算法分割，有效地克服了磁瓦本身光照不均匀、噪声干扰等问题，可以快速、有效地提取各类磁瓦缺陷，具有很强得适应性。

主权项

1.一种基于纹理特征聚类的磁瓦表面缺陷提取识别方法，实现了磁瓦表面缺陷的自动检测，方法步骤包括以下步骤：第一步：利用Gabor核函数构造能量谱表征磁瓦表面的纹理特征，采用Gabor核函数对原始图像卷积计算，得到8方向的Gabor能量谱，并用0度、45度、90度、135度方向的能量谱叠加表征磁瓦表面的纹理特征；步骤一中，包括以下步骤：(1)Gabor核函数：采用通用的复2‑D Gabor核函数，复2‑D Gabor核函数ζu,v(z)是由高斯函数调制的复正弦函数，其数学表达式为：式中，z＝(x,y)为图像像素点，其中，x,y分别为图像中的横坐标和纵坐标；u和v分别表示Gabor小波的方向和尺度；||·||表示模运算；i为复数算子；σ为高斯函数的半径，规定了二维Gabor小波的尺寸大小；ku,v为核函数的中心频率，θ体现了滤波器的方向选择性利用上述数学公式并确定参数：μ＝1，v＝2，θ＝πμ/8，σ＝2π，(2)构造Gabor能量谱通过Gabor核函数与磁瓦表面图像卷积计算得到Gabor能量谱，以描述纹理特征，设g(x,y)为图像的灰度值，其中，x,y分别为图像中的横坐标和纵坐标，则卷积值Q(x,y)为：Q(x,y)＝ζ(x,y)*g(x,y)相应的幅度谱M(x,y)和相位谱θ(x,y)为：其中Re()为取复数实部函数，Im()为复数的虚部函数；幅度谱M(x,y)足以表示Gabor能量谱，所以采用能量谱数学值上用幅度谱代替；通过分析，缺陷存在于0‑180度之间范围，故选用0度、45度、90度和135度四个方向的能量谱；(3)构造Gabor能量总谱四方向的Gabor能量谱GA，GB，GC，GD分别表示了四个方向的纹理特征，如果直接对四方向能量谱分别聚类，则存在重复计算，缺陷特征不明显的缺点，所以将四方向能量谱叠加，得到能量总谱MS，既增强了缺陷的纹理特征，同时减少了计算量；MS＝GA+GB+GC+GD；第二步：构造自定义系数谱修正Gabor能量谱，通过自定义系数谱与Gabor能量谱相乘，得到修正的Gabor能量谱，并确定聚类簇数为3，以优化聚类效果；步骤二中，构造一个自定义乘积系数谱ρ(x,y)，通过自定义系数谱ρ(x,y)与Gabor能量谱相乘得到修正后的Gabor能量谱MDC；在MS中，主要存在三个区域，分别是正常纹理区域、光照不均匀区域和缺陷区域，且光照不均匀区域和缺陷区域在Gabor能量谱中幅值大小相近，影响了聚类分割，通过局部灰度特征构造自定义能量系数谱修正Gabor能量谱，以优化聚类算法；假设磁瓦表面某点的灰度值为g(x,y)，计算以该点为中心的边长为n的正方向框内的平均灰度值m(x,y)和标准差d(x,y)，通过如下公式得到自定义系数谱ρ(x,y)：ρ(x,y)＝g(x,y)‑(m(x,y)+υ·d(x,y))其中υ为标准差影响因子，当υ和n偏大时整个图像都有较高值的系数谱，υ的取值范围为‑1.5～1.5，n的取值范围为5～15；将自定义乘积系数谱ρ(x,y)与Gabor能量总谱按点相乘，得到修正后的Gabor能量谱MDC：MDC＝ρ(x,y)*MS；第三步：利用模糊C均值(FCM)聚类算法对修正的Gabor能量谱分割图像，由于确定的聚类簇数为3，则纹理特征分成3类区域；第四步，识别3类区域中的缺陷区域，完成磁瓦缺陷分割和提取，根据过质点的水平线和垂直线上的灰度变化特性，判断缺陷处于的区域。