[发明专利]基于直方图分解的带钢表面缺陷精准检测方法

说明书

本发明涉及基于直方图分解的带钢表面缺陷精准检测方法，该方法包括如下步骤：读取图像；从待检测的灰度图像直方图中采集确定属于背景的采样点；拟合直方图分解曲线；根据分解曲线f_c及待检测的灰度图像直方图中各灰度级对应的频率f(g_i)定义隶属度函数μ_A，以隶属度函数μ_A表示各灰度级及其对应的像素点隶属于缺陷的程度；设定置信度α，然后根据模糊理论及隶属度函数μ_A生成隶属度矩阵；在隶属度矩阵中寻找所有的连通区域并对各连通区域中隶属度值求和；设定连通域阈值TH，如果该连通区域的隶属度值之和大于连通域阈值TH，则此连通区域对应的所有像素点均记为1，判断为缺陷点，反之，记为0，为非缺陷点，实现缺陷的准确定位。

技术领域

本发明属于带钢表面缺陷检测技术领域，特别是涉及基于直方图分解的带钢表面缺陷精准检测方法。

背景技术

带钢是当前工业生产的重要原材料，对当前工业起到至关重要的作用。但由于生产环境、传送辊与带钢磨损等的影响，带钢表面极易产生各类复杂缺陷，这些缺陷不仅影响钢材的美观，而且严重影响产品的耐腐蚀、抗疲劳、抗磨损等能力给其质量带来严重影响，这往往给企业造成不可预估的经济损失，故相关的企业对钢材的表面质量提出了更高的要求。近年来，随着钢材需求量的不断增加，生产线往往要求更快的速度及更高的检测精度，而人工目检已经不能满足要求。随着计算机技术的发展，计算机视觉越来越多地被用于物体检测、人脸识别等领域。在缺陷检测领域，基于计算机视觉的检测技术同样受到国内外学者的关注。

现有的检测方法大致分为基于分类的方法与基于异常检测的方法两类。基于分类的方法将检测问题看做是一个分类正常与非正常区域的二分类问题，特征提取与分类器选择是重要的两个步骤。该方法的主要局限性为：1)需要预先采集合理的正负样本作为训练数据，而在工业生产中有些缺陷类型是不可预知的，这使得负样本(缺陷样本)很难采集完全；2)好的分类结果往往需要高维特征的辅助，这使得训练过程耗时较长。基于异常检测的方法是通过对待检测的灰度图像进行纹理分析，提取纹理特征用以查找图像中具有异常特征的区域从而实现缺陷定位。该类方法中有些具有高的运算负担，如：X.Bi,等人(X.Bi,X.Xu and J.Shen,“An automatic detection method ofmura defects for liquidcrystal display using real Gabor filters,”20158th International Congress onImage and Signal Processing(CISP),Shenyang,2015,pp.871-875.)使用不同方向及尺度的滤波器对图像分别进行滤波操作，这就增加了该方法的计算量。有些方法只能检测图像边缘，如：D.Aiger等人(D.Aiger andH.Talbot,“The phase only transform forunsupervised surface defect detection,”Computer Vision and PatternRecognition(CVPR),2010IEEE Conference on,San Francisco,CA,2010,pp.295-302.)提出一种基于傅里叶变换的PHOT算法对纹理表面缺陷进行定位。有些方法本身的计算精度有待提高，如：Yuan等人(Xiao-cui Yuan,Lu-shen Wu,Qingjin Peng,“An improved Otsumethod using the weighted object variance for defect detection,”Appl.Surf.Sci.,Vol.349,pp.472-484,Sep.2015.)提出的改进Otsu阈值算法只对直方图具有双峰或者接近双峰的图像可以得到好的检测效果。因此研究具有高检测率且具有低复杂度的检测方法具有非常重要的意义。

发明内容