[发明专利]一种基于字典学习的缺陷检测方法在审
| 申请号： | 201710896141.X | 申请日： | 2017-09-28 |
| 公开（公告）号： | CN109598690A | 公开（公告）日： | 2019-04-09 |
| 发明（设计）人： | 欧阳光;池敏 | 申请（专利权）人： | 南京敏光视觉智能科技有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/13;G06K9/46;G06K9/62 |
| 代理公司： | 南京瑞弘专利商标事务所(普通合伙) 32249 | 代理人： | 杨晓玲 |
| 地址： | 210019 江苏省南*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于字典学习的缺陷检测方法，包括以下步骤：采集标准的面板图像，提取面板图像的边缘信息特征，成为特征图像一；将特征图像一重叠划分为大小相同的小块，组成特征图像训练库；对特征图像训练库中的小块进行字典学习，得到特征图像字典和相应的表示系数矩阵；采集一幅待检测的面板图像，提取面板图像的边缘信息特征，变换为特征图像二；将特征图像二重叠划分为大小相同的小块；对每一个特征图像二所得的小块在特征图像字典下稀疏表示，得到相应的稀疏表示系数；如果其稀疏表示系数的L1范数远大于零，则认为该小块上没有缺陷，如果其稀疏表示系数的L1范数接近于零，则认为该小块上存在缺陷，进而该待检测面板存在缺陷。 | ||
| 搜索关键词： | 特征图像 小块 面板图像 稀疏表示 字典学习 边缘信息 缺陷检测 范数 字典 采集 系数矩阵 检测 | ||
【主权项】：
1.一种基于字典学习的缺陷检测方法，其特征在于，包括以下步骤：步骤1)采集标准的面板图像，提取面板图像的边缘信息特征，成为特征图像一；步骤2)将特征图像一重叠划分为大小相同的小块，组成特征图像训练库；步骤3)对特征图像训练库中的小块进行字典学习，得到特征图像字典和相应的表示系数矩阵；步骤4)采集一幅待检测的面板图像，提取面板图像的边缘信息特征，变换为特征图像二；步骤5)将特征图像二重叠划分为与特征图像训练库中的小块大小相同的小块；步骤6)对每一个特征图像二所得的小块在特征图像字典下稀疏表示，得到相应的稀疏表示系数；步骤7)对稀疏表示系数进行分析，如果其稀疏表示系数的L1范数远大于零，则认为该小块上没有缺陷，如果其稀疏表示系数的L1范数接近于零，则认为该小块上存在缺陷，进而该待检测面板存在缺陷。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京敏光视觉智能科技有限公司，未经南京敏光视觉智能科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710896141.X/，转载请声明来源钻瓜专利网。
