[发明专利]一种针对模糊成像环境的印刷品缺陷检测方法

权利要求书

1.一种针对模糊成像环境的印刷品缺陷检测方法，其特征在于，包含建立模板和缺陷检测：

所述建立模板包含如下步骤：

S1、采集不同印刷图案的清晰图像和模糊图像对，制作训练数据集；

训练数据集由基础数据集和增强数据集构成，通过高帧率相机获取到不同印刷图案的清晰图像与模糊图像对，作为基础数据集；随机选取一组不同印刷图案的清晰图像进行数据增强，作为增强数据集，数据增强的具体方法包括以下步骤：

S1-1.利用马尔可夫随机过程生成随机轨迹矢量，再将亚像素插值应用于轨迹矢量来生成模糊核；

每个轨迹矢量都是一个复数矢量，对应着一个连续域中的二维随机运动物体的离散位置，轨迹生成由马尔可夫过程完成，轨迹中每个点的位置是基于先前点的速度与位置、高斯扰动、脉冲扰动和确定性惯性分量而随机生成的，轨迹矢量的公式如下：

式中，*为卷积操作，M为轨迹矢量长度，L_max为两个时刻间最大移动长度，M和L_max为常量，v_t表示第t时刻点利用马尔可夫随机过程生成的位置矢量，公式如下：

式中，v₀为一个复数，cos(φ)为v₀的实部，sin(φ)为v₀的虚部，φ∈(0,2π)为随机初始化角度，p_s为随机脉冲扰动，旨在模仿用户按下摄像机按钮或试图补偿摄像机抖动时发生的突然移动，p_g为高斯扰动，I为惯性分量，p_g和I服从N(0,0.7)高斯正态分布，n_rand为标准正态分布N(0,1)中的单个随机数，S_t为0-t时段随机生成的轨迹矢量，D_next为下一个时刻轨迹矢量随机生成的方向，公式如下：

S1-2.利用退化模型获取清晰图像对应的模糊图像，退化模型的公式如下：

B＝W*K+N (4)

其中，B为模糊图像，W为清晰图像，K为模糊核，N为高斯噪声；

S2、利用对抗方式训练去模糊模型DeblurGAN；

通过对抗方式训练生成网络和判别网络，生成网络将模糊图像作为输入并产生预测图像，判别网络计算预测图像和清晰图像的特征差异，并输出它们之间的距离，引导生成网络生成更为清晰的图像；

S3、采集一组同一印刷图案的无缺陷产品的图像，制作模版图像集合；

S3-1.通过工业相机获取一组同一印刷图案的无缺陷产品的图像，作为模版图像集合，然后对其进行预处理，预处理内容包含：通道筛选、灰度化、光照补偿；

当待检测印刷图案色彩较为单一时，利用通道筛选可提高检测准确率，通道筛选是指根据印刷图案的颜色人为选择合适的图像通道进行后续操作；当待检测印刷图案色彩较为丰富时，利用灰度化降低计算复杂性；当待检测印刷图像光照不均匀时，利用光照补偿减少光源或光路不均匀的影响，光照补偿的公式如下：

其中，F_i(x,y)为图像F_i在(x,y)处的像素灰度值，F_i′(x,y)为图像F_i进行光照补偿后在(x,y)处的像素灰度值，u为目标灰度均值；

S3-2.使用清晰度评价函数计算出模板图像集合中每张图像的模糊分数，模糊分数越低则表明图像的清晰度越高，利用DeblurGAN模型对模糊分数超过阈值的模板图像进行去模糊处理，并更新模糊分数；清晰度评价函数Tenengrad的计算公式如下：

其中，d_i为图像F_i的清晰度，t为控制检测计算灵敏度的阈值，G(x,y)为图像F_i在(x,y)处的梯度值，定义如下：

G_x(x,y)与G_y(x,y)为图像F_i在(x,y)处的水平和垂直方向的梯度值，其计算公式如下：

S4、选择模版图像，选定感兴趣区域，生成上限图像和下限图像；

S4-1.从模板图像集合中选择模糊分数最低一张图像作为模板图像；由于整张图像分析会带来较大的计算冗余，通过感兴趣区域的选定可极大的提高缺陷检测效率，根据实际检测任务选定模版图像的感兴趣区域，生成目标图像；

S4-2.印刷图案的成像结果易受光照影响，成像位置不同所获得的光照情况则不同，从而导致相同区域的灰度值产生一定范围的波动，如果直接利用目标图像做缺陷检测会导致较高的误检率；因此，利用边缘图像和目标图像生成的上限图像和下限图像是降低缺陷误检率的关键，边缘图像为目标图像提供正常的灰度值波动范围，可有效提高缺陷检测的鲁棒性；

首先利用sobel算子对目标图像进行边缘检测，生成边缘轮廓，再通过膨胀操作填充边缘轮廓，生成边缘图像，边缘检测的计算公式如下：

其中，E(x,y)为模板图像在(x,y)处的边缘梯度值；

上限图像和下限图像的计算公式如下：

T_max(x,y)＝F_m(x,y)+max{a,bE(x,y)} (11)

T_min(x,y)＝F_m(x,y)-max{a,bE(x,y)} (12)

其中，F_m(x,y)为目标图像F_m在(x,y)处的灰度值，T_max(x,y)为上限图像T_max在(x,y)处的灰度值，T_min(x,y)为下限图像T_min在(x,y)处的灰度值，a,b为常量；

所述缺陷检测包含如下步骤：

S5、采集待检测图像，预处理后进行图像配准；

利用工业相机获取待检测图像，通过S3-1中所述预处理内容对待检测图像进行预处理，然后计算模糊分数，利用DeblurGAN模型对模糊分数超过阈值的待检测图像进行去模糊处理，然后利用模板匹配对待检测图像与目标图像做图像配准；

模板匹配方法为基于形状的模板匹配，利用待检测图像相对于目标图像的位置偏移和旋转角度等信息，通过仿射变换将待检测图像最优映射到目标图像位置，进而获得配准图像；

S6、利用上限图像和下限图像进行缺陷检测；

上、下限图像中像素点的灰度值是目标图像中像素点灰度值的上、下限，当配准图像中像素点灰度值未在上、下限的范围内时，该像素点则被视为异常像素点，判别像素点是否异常的计算公式如下：

其中，O_j为缺陷检测生成的异常图像，当O_j(x,y)为0时，待检测图像F_j在(x,y)处的像素点正常，当O_j(x,y)为1时，待检测图像F_j在(x,y)处的像素点异常；

将异常图像中相邻的异常像素点连通形成异常区域，计算异常区域的面积，由实际检测要求设定阈值，根据阈值筛选出缺陷区域。