[发明专利]一种基于奇异值分解的轮胎缺陷检测方法

摘要

本发明提供一种基于奇异值分解的轮胎缺陷检测方法，将含有n个像素的待检图像I划分成n个大小为m×m的图像块；将每一个图像块P_i转换成一个列向量c_i；利用所有图像块所对应的列向量，构造一个图像块矩阵M；通过依次计算相邻两个奇异值的比值，确定图像块矩阵M的秩r；利用图像块矩阵M的前r个最大奇异值及其所对应的左奇异向量和右奇异向量，重构出图像块矩阵M的一个低秩近似矩阵M_r；将低秩近似矩阵M_r中的各列向量转换成图像块；由所有图像块P_i^r重构出待检图像I的近似图像I_r；对残差图像I‑I_r进行硬阈值分割，得到一幅二值图像I_b，该图像中灰度值为1的像素所对应的坐标即为缺陷位置。检测方法能够定位缺陷发生的具体位置，避免由于人工操作所引起的漏检和误检，提高缺陷检测的准确性。

主权项

1.一种基于奇异值分解的轮胎缺陷检测方法，其特征在于，轮胎缺陷检测方法包括：步骤1：将含有n个像素的待检图像I划分成n个大小为m×m的图像块，记为P_i,(i＝1,...,n)；步骤2：将每一个图像块P_i转换成一个列向量c_i；步骤3：利用所有图像块所对应的列向量，构造一个图像块矩阵M；步骤4：对图像块矩阵M进行奇异值分解，得到m²个奇异值σ_i,(i＝1,...,m²)和相应的左奇异矩阵U及右奇异矩阵V；步骤5：通过依次计算相邻两个奇异值的比值，确定图像块矩阵M的秩r；所述的步骤5利用式(2)，确定图像块矩阵M的秩r，式中σ_i,(i＝1,...,m²)为图像块矩阵M的奇异值，δ为预先设定的参数；步骤6：利用图像块矩阵M的前r个最大奇异值及其所对应的左奇异向量和右奇异向量，重构出图像块矩阵M的一个低秩近似矩阵M_r；步骤7：将低秩近似矩阵M_r中的各列向量转换成图像块P_i^r,(i＝1,...,n)；步骤8：由所有图像块P_i^r重构出待检图像I的近似图像I_r；步骤9：对残差图像I‑I_r进行硬阈值分割，得到一幅二值图像I_b，该图像中灰度值为1的像素所对应的坐标即为缺陷位置。