[发明专利]一种基于改进的SUSAN算子的轿车表面划痕检测算法

摘要

本发明公开了一种基于改进的SUSAN算子的轿车表面划痕检测算法，包括步骤：读入图像，首先将图像转换为CIELab空间图像，然后使用方向模板计算像素与中心像素的色差，如果色差不大于阈值T，则使用色差均值填补空洞，之后使用圆形模板计算USAN面积，并根据USAN大小，输出轿车边缘，使用轿车模板匹配方式去除边缘轮廓，输出划痕图像。本发明的使用SUSAN算法，减少由于迭代计算带来的时间和空间上的消耗，算法简单直观的完成对划痕的检测，本算法能有效的利用彩色信息，降低漏检率，本算法利用方向性模板判断边缘的方向特征，填补边缘沿方向上的像素缺陷，使划痕检测更加准确。

主权项

一种基于改进的SUSAN算子的轿车表面划痕检测算法，其特征在于，包括如下步骤：步骤一、RGB彩色空间转换到CIELab彩色空间，具体为：先将RGB转换到CIEXYZ空间：XYZ=0.41240.35750.18040.21280.71520.07220.0.930.11920.9502RGB---(1)]]>将CIEXYZ转换到CIELab，其转换规范由ISO标准定义如下：L=116×Y′-16a=500×(X′-Y′)b=200×(Y′-Z′)---(2)]]>其中：X'＝f1(X/Xref)，Y'＝f1(Y/Yref)，Z'＝f1(Z/Zref)，f1(c)=c1/3ifc≤0.0088567.787×c+16/116ifc>0.008856,]]>L、a、b分别表示像素的亮度、红——绿轴强度、黄——蓝轴强度，X、Y、Z分别表示CIEXYZ空间X、Y、Z轴值，Xref、Yref、Zref分别表示X、Y、Z轴转换基础值，一般情况下为1，CIELab空间两个像素(L1,a1,b1)和(L2,a2,b2)的色差使用欧式距离公式：ΔE=(L1-L2)2+(a1-a2)2+(b1-b2)2---(3)]]>步骤二、计算模板内像素相似度，对于转换到CIELab颜色空间的图像，选用16个方向模板，计算待处理图像的像素值与每个模板内的边缘像素的差值绝对值，计算模板内每一个像素与中心像素的色差，如公式(4)所示，ΔE(r,r0)=(Lr-Lr0)2+(ar-ar0)2+(br-br0)2---(4)]]>其中r表示方向像素，r0表示中心像素，ΔE(r,r0)为方向像素与中心像素的色差，Lr，ar，br分别表示在r位置的方向像素的L轴、a轴、b轴强度，分别表示在r0位置的中心像素的L轴、a轴、b轴强度，c(r,r0)=1ifΔE(r,r0)≤T0ifΔE(r,r0)>T---(5)]]>其中，T为色差阈值，ΔE(r,r0)为方向像素与中心像素色差，c(r,r0)表示在像素r与像素r0相似度；步骤三、方向性图像增强并确定边缘，具体为：根据16个方向模板计算方向模板内中心像素与方向像素色差，并根据公式(5)判断中心像素是否属于USAN区域，如果中心像素属于USAN区域，使用中心像素和距离中心像素最远的方向像素的色度平均值填补在此方向模板上的其他像素点，像素均值如公式(6)所示，E=(Lr+ar+br+Lr0+ar0+br0)/2---(6)]]>其中，E为中心像素色度与比较像素色度平均值，r表示模板内像素，r0表示核中心像素；步骤四、边缘图像输出：核相似区(USAN)的大小就是方向模板内像素、邻域像素与中心像素相似点个数，USAN区域的值越大说明像素模板内与核中心像素相似的像素点越多，反之与核中心像素相似的像素点越少，USAN区域大小计算公式如公式(7)所示，n(r0)＝∑rc(r,r0)   (7)其中n(r0)表示USAN区域的大小，SUSAN边缘检测根据公式(8)可得该像素点的初始边缘响应值，R(r0)=g-n(r0)ifn(r0)<g0otherwise---(8)]]>其中，R(r0)表示r0的边缘灰度响应值，g为阈值，g取值为3nmax/4，nmax为圆形模板内像素总数，根据R(r0)值创建灰度图像，输出图像为边缘图像；步骤五、输出划痕图像：通过图像边缘检测处理之后，再进行划痕的定位，对边缘图像的非划痕部分进行去除，确定划痕在车身的位置，在获得图像的过程中，系统与车身的位置保持不变，轿车的型号直接固定车身的形状，利用无划痕的轿车图像建立模板库，待检测图像匹配模板库内边缘模板，实现边缘消除和划痕定位，输出划痕图像。