[发明专利]一种基于显著性检测的表面裂纹识别方法

摘要

一种基于显著性检测的表面裂纹识别方法：通过CCD照相机获取需要检测的目标图像；对图像进行预处理；将颜色空间从RGB变换到Lab，采用超像素分割算法对图像进行预分割；利用均值漂移算法对过小的区域进行聚类，形成易于提取特征的较大区域；使用改进的GCS模型计算颜色子显著图，利用Gabor滤波器获取纹理子显著图；对颜色和纹理子显著图进行自适应平方融合，得到最终的显著图；对显著图进行自适应阈值分割，获得感兴趣的区域，再进行二维快速哈尔变换，得到图像的像素强度，对比设定的像素阈值判断区域内是否存在裂纹。本方法不仅能够优质地处理普通图像，还能够有效处理具有复杂纹理的图像，识别效率高，准确性好。

主权项

一种基于显著性检测的表面裂纹识别方法，具体步骤如下：步骤一，利用工业CCD照相机，采用线扫描方式获取需要进行检测的目标图像；步骤二，将图像从RGB色彩空间转换至Lab色彩空间，利用超像素分割算法(SLIC),选取一定大小的尺度对输入图像进行预分割；步骤三，针对可能出现的“过分割”现象，采用均值漂移(Mean‑Shift)算法将小区域聚类成更大的区域；步骤四，利用改进的GCS模型来获得彩色子显著图；从每个分割区域提取记录色彩频率的特征向量，并将所有像素的坐标归一化为[0,1]；然后，根据色彩特征向量的差异产生彩色子显著图；计算公式如下：SC(rk)=Σrk≠riexp(-Dr(rk,ri)σ2)w(ri)Dc(rk,ri)]]>公式中，SC(rk)表示区域rk的显著值；w(ri)表示区域ri的权重值，并且等于区域ri中的像素数；Dr(rk，ri)表示区域rk和ri之间的空间距离，且被定义为它们重心之间的欧式距离；σ2表示控制空间权重强度的正系数；Dc(rk，ri)表示Lab空间中rk和ri的颜色距离度，计算公式如下：Dc(rk,ri)=Σi=1n1Σj=1n2f(r1,i)f(r2,j)D(r1,i,r2,j)]]>其中，f(rk，i)表示第k个片段区域rk中的所有nk个颜色中第i个颜色rk,i的频率，k＝{1,2}；步骤五，利用Gabor滤波器来获得纹理子显著图，具体过程如下：5.1对于通过分割方法输出的区域中的每个像素，计算具有四个尺度和六个方向的Gabor滤波器的响应；假定第i个区域中的像素为Pjk，如果具有某个标度s和某个方向o的Gabor滤波器的响应是Gjk(s，o)，则在第i个区域中，所有像素的平均Gabor响应Xi(s,o)的计算公式如下：Xi(s,o)=1NiΣj=1rΣk=1cGjk(s,o)]]>式中，Ni是第i个区域中像素的数量，r是图像中的行数，c是图像中的列数；5.2计算Gabor响应的方差Yi(s，o)，公式如下：Yi(s,o)=1NiΣj=1rΣk=1c(Gjk(s,o)-Xi(s,o))2]]>5.3将所求的平均值Xi(s，o)与方差Yi(s，o)进行组合，计算在第i个区域中，具有某个标度s和某个方向o的平均值Pi，Qi：Pi=124Σs=14Σo=16Xi(s,o)]]>Qi=124Σs=14Σo=16Yi(s,o)]]>其中，Pi，Qi分别为Xi(s，o)，Yi(s，o)对于四个尺度和六个方向的平均值；5.4计算第i个区域的纹理显著值ST(i)ST(i)=Σj=1,j≠iNRNjNi*((Pi-Pj)2+(Qi-Qj)2)]]>其中NR表示分割图像中区域的总数；Ni和Nj分别表示第i个和第j个区域中的像素数量；步骤六，对颜色和纹理子显著图进行自适应平方融合，得到最终的显著图，对于位置为(i，j)的像素，显著值计算公式如下：Sij=r*(1-α)SCij2+αSTij2]]>其中,r为常数，取值1.5；SCij，STij分别表示在位置(i，j)处像素的颜色显著值和纹理显著值；α为自适应融合系数，计算公式如下：α=1T*exp(Qmaxk-1)]]>Qmax＝max(Q1,Q2,…,QNR)Qmax是Q1,Q2,…,QNR的最大值，通过设定合适的T,K值，可以生成最终的显著图，来实现对目标对象更好的检测；步骤七，对显著图进行自适应阈值分割，分割出显著区域；步骤八，利用haar函数，将灰度图像分解为高频分量和低频分量，haar函数表示如下：h00(n)=h(0,n)=1N0≤n<2p=N]]>其中，k＝2i+j,i表示比例且0≤i<p，j确定比例i中函数的位置值且0≤j<2i；用i和j来指定函数的缩放和位置；步骤九，隔离识别图像的边缘特征的那些高频系数，具体过程如下：9.1使用二维快速哈尔变换，将图像的每一行进行哈尔变换，得到变换后的新图像Ⅰ；9.2将新图像Ⅰ的每一列进行哈尔变换，得到变换后的新图像Ⅱ；9.3对新图像Ⅱ分别进行均值、差分和缩放处理，得到3个处理后的图像；9.4利用高斯滤波器对3个处理后图像进行去噪，之后对3个图像进行“与”操作，组合成新的幅度图像；步骤十，设定裂纹检测的阈值，一般为裂纹图像中所有像素强度的平均值；步骤十一，将幅度图像的像素强度与阈值水平进行比较，判断是否存在裂纹。