[发明专利]一种基于改进的机器视觉注意机制的磁瓦表面缺陷检测方法

摘要

本发明公开了一种基于改进的机器视觉注意机制的磁瓦表面缺陷检测方法，步骤为：一、输入磁瓦图像，利用形态学的顶帽和底帽变换相结合的方法，增强图像整体灰度对比度；二、将所得图像均匀分成a*b个图像块，然后利用分块后的图像块的灰度特征量区分缺陷图像块和非缺陷图像块；三、采用改进Itti视觉注意机制模型计算所得缺陷图像块的显著度，选择初级特征用以形成综合显著图；四、选用大津阈值分割算法对综合显著图阈值化，提取缺陷区域。本发明通过利用形态学处理，图像分块和视觉注意机制思想，有效地克服了亮度不均匀、磁瓦缺陷面积较小、磁瓦本身纹理干扰等问题，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

1.一种基于改进的机器视觉注意机制的磁瓦表面缺陷检测方法，其步骤为：步骤一、输入磁瓦表面原始图像，利用形态学的顶帽和底帽变换相结合的方法，增强图像整体灰度对比度；步骤二、将步骤一所得磁瓦图像均匀分成a*b个图像块，每个图像块边长为M*N，然后利用分块后的图像块的灰度特征量区分缺陷图像块和非缺陷图像块，判断图像是否存在缺陷并确定缺陷所在图像块位置；步骤三、采用改进Itti视觉注意机制模型计算步骤二所得缺陷图像块的显著度，选择初级特征用以形成显著图，对融合后的综合显著图进行归一化，获得最大注意焦点即为缺陷区域；其中，选择的初级特征包括：a.局部亮度特征：采用局部亮度的均值和方差作为参考，用局部区域中每一个像素的灰度值与该区域的图像块灰度值的均值和方差相减得到差值，并对该差值进行指数函数处理，得到局部亮度显著图Sl(x，y)，计算公式如下：Ilocal(xi，yj)＝f(xi，yj)‑(mlocal(x，y)+μ·dlocal(x，y))式中，mlocal(x，y)表示局部灰度平均值，dlocal(x，y)表示局部灰度方差，f(xi，yj)表示坐标为(xi，yj)点的像素灰度值，μ为方差控制因子，取值范围为0～1；b.全局亮度特征：采用全局的平均值作为参考，用每个像素的灰度值与之相减，并对差值进行指数函数处理，得到全局亮度显著图Sg(x，y)，计算公式如下：Iglobal(xi，yj)＝|f(xi，yj)‑mglobal|式中，mglobal为整幅磁瓦图像的灰度平均值，sum(Iglobal(xi，yj))为所有Iglobal(xi，yj)值的和；c.频率特征：利用DoG滤波器，获得频率特征显著图SG(x，y)，计算公式如下：SG(x，y)＝|mglobal‑IG(x，y)|式中，IG(x，y)为经DoG滤波后的图像，σ1和σ2是高斯核函数的标准差，σ1∶σ2＝5∶1；步骤四、在获得综合显著图后选用大津阈值分割算法对综合显著图阈值化，提取缺陷区域。