[发明专利]一种基于奇异值分解的人造板表面缺陷检测方法

说明书

本发明公开了一种基于奇异值分解的人造板表面缺陷检测方法，首先对人造板原始灰度图像进行消除行间差异处理；再将消除行间差异的灰度图像分割成n×n大小的图像块，并对每个图像块进行奇异值分解，取所述对角阵的第一个奇异值作为所选图像块的特征值，将该特征值存入特征矩阵F，统计出特征矩阵F的方差S和均值G，得到特征矩阵F的分割阈值T，T＝S+λG；建立潜在缺陷矩阵，将特征矩阵F中的每个元素值与分割阈值T比较，如果元素值大于分割阈值T，潜在缺陷矩阵对应位置的元素值设为1，否则设为0；再对潜在缺陷矩阵进行孤立点修正；修正后的缺陷矩阵中元素值为1的数量为0则判定为合格人造板，否则不合格。

技术领域

本发明涉及一种利用奇异值分解的人造板表面缺陷检测方法，属于数字图像处理应用领域。

背景技术

随着人造板连续压机生产线技术的不断成熟，人造板自动生产水平不断提高，但末端的表面缺陷检测依然以人工肉眼识别为主。人工肉眼检测的方式存在许多不足，如识别率不高、检测效率低下以及易受外界因素的影响等，且长时间的工作不利于工人们的身体健康。研发自动识别缺陷系统已成为行业的迫切需要。利用机器视觉的检测方法是自动检测人造板表面缺陷的一种可行方法。

基于机器视觉的人造板表面缺陷检测系统中，表面缺陷检测算法是关键技术之一，通过某种算法对人造板图像进行分析，快速准确找到不同纹理背景下的缺陷。现阶段，主要的缺陷检测算法有贝叶斯、神经网络、支持向量机(SVM)、决策树(DT)、聚类等，取得较好的成果。贝叶斯分类方法需要计算出先验概率；神经网络，支持向量机分类算法存在计算量大、复杂、实时性不高；聚类算法采用穷举的方法计算量较大；DT决策树在训练模型的时候容易过拟合，以上算法均不适用于人造板在线表面缺陷检测。

本发明提供了一种基于奇异值分解的人造板表面缺陷检测方法，该方法不需要离线训练模型，计算简单，实时性高，符合人造板表面缺陷在线检测的要求。

发明内容

本发明的目的在于能够快速高效地检测人造板表面缺陷，从而能够提供一种能适应在线检测的人造板质量控制方法，以解决传统人工肉眼检测人造板表面缺陷误检率和漏检率高，易造成工人视觉疲劳等不足。本发明利用奇异值分解表征人造板表面纹理特性，有效地提取人造板表面缺陷，相比现有方法，在实时性方面有着明显优势。

本发明的目的是通过以下技术方案实现的：

本发明的一种基于奇异值分解的人造板表面缺陷检测方法，具体包括以下步骤：

S1：对线阵相机拍摄的人造板原始灰度图像I_orig中的每一个像素点的灰度值减去所在行灰度均值，得到消除行间差异的灰度图像I；所述消除行间差异的灰度图像I中各像素点的灰度值I(i，j)满足下式：

其中M，N分别为原始灰度图像I_orig的横纵坐标大小，I_orig(i，j)为原始灰度图像I_orig在(i，j)像素点处的灰度值；

S2：将步骤S1得到的消除行间差异的灰度图像I分割成横纵坐标大小为n图像块。考虑到原始灰度图像I_orig的横纵坐标M，N的大小并不一定是n的整数倍，图像边缘分割的图像块可部分重叠。对每一个图像块进行奇异值分解，其分解形式为：

I_part＝U∑V^T，

其中I_part表示为所选图像块，U为所选图像块的左奇异矩阵，V^T为所选图像块的右奇异矩阵，∑为所选图像块的对角矩阵，其中∑有表示形式如下：

取所述对角阵∑中的第一个奇异值σ₁作为所选图像块I_part的特征值f；