一种基于图像融合分割的实木地板表面缺陷检测方法
【专利摘要】一种基于图像融合分割的实木地板表面缺陷检测方法，涉及地板表面缺陷检测领域，本发明针对区域生长算法存在的分割速度慢、分割不准确的问题，致使实木地板的表面缺陷检测速度慢、精度低的问题，影响其质量与分选等级。首先提取缺陷的R分量图像并进行图像缩小，在低维图像空间内运用区域生长方法完成缺陷的快速定位；利用梯度信息插值对缩小图像进行放大复原，并对缺陷进行标记生成参考图像；应用小波变换检索标记参考图像的边缘，以边缘像素点为种子在原图像进行禁忌快速搜索，实现缺陷区域的快速、精准分割。对20幅含有活节、死节、裂纹的样本图像进行缺陷检测试验，该方法平均分割时间为13.21ms，缺陷分割区域的准确率达到96.8%。
【专利说明】—种基于图像融合分割的实木地板表面缺陷检测方法
【技术领域】
[0001]本发明涉及一种实木地板表面缺陷检测方法，涉及地板表面缺陷检测领域。
【背景技术】
[0002]实木地板表面缺陷直接影响着产品等级，基于计算机视觉的实木地板表面缺陷检测，对木质地板自动分选具有重要的现实应用意义[1_2]。实木地板计算机视觉检测系统，首先由摄像头完成表面图像的信息采集；然后，运用分割算法检测表面缺陷区域；最后，应用分类算法对缺陷区域进行缺陷类别判断[3_5]。常用的颜色处理模型有RGB模型、HSV模型以及HSI模型[6];考虑到处理时间，作为面向硬件的RGB模型更为适用，前期试验研究实验表明R分量图像可有效抑制纹理噪声m。白雪冰、王林分别运用灰度-梯度共生矩阵和Gabor变换分割木材表面缺陷，这两种方法因计算量大导致分割速度较慢I9]。Du-Ming Tsai等利用小波变换分割物体表面缺陷，然而小波变换中没有基于邻界采样的滤波器组，而且重构之后还需对图像做进一步的处理[1°_11]。应用数学形态学算法也可以对缺陷有效分割，但是形态学重构过程容易引入噪声[12]。陈永光利用分水岭算法分割木材表面缺陷，但方法对噪声极为敏感，易于产生过分割现象[13]。因此，如何对现有算法进行改进，以满足实木地板在线分选对分割速度和精度有待进一步研究。
[0003]区域生长法是经典的图像分割算法，其思想简单、对具有清晰边缘的图像有较好的分割结果；但是简单的搜索八邻域会消耗大量的时间，且搜索时间和精度受噪声影响[14_15]。因此，过滤图像噪声，完成种子点优选，制定快速搜索策略是亟待解决的关键问题。
[0004]参考文献:
[0005][I].Gonzalo A Ruzaj Pab 1 A Estevez, Pab 1 A Ram I r ez.Automated visual inspection system for wood defect classification usingcomputational intelligence techniques[J].1nternational Journal of SystemsScience, 2009，40 (2): 163-172.[0006][2].D T Pham, R J Alcock.Automated grading and defect detection:AReview[J].Forest Products Journal，1998，48(3):34-42.[0007][3].1rene Y H G，Henrik，Raul Vicen.Automatic classification of wooddefects using support vector machines[C].1nternational Conference of ComputerVision and Graphics, NovemberlO-12, 2008，Warsaw, Poland.2008:356-367.[0008][4].D T Pham, R J Alcock.Automated visual inspection of woodboards: selection of features for defect classification by a neural network[J].Journal of Process Mechanical Engineering，1999，213(4):231-245.[0009][5].Gonzalo A Ruzj Pablo A Estevez, Claudio A Perez.A neurofuzzy colorimage segmentation method for wood surface defect detection[J].Forest ProductsJournal, 2005，55 (4): 52-58.[0010][6].0lli Silvenj Matti Niskanenj Hannu Kauppinen.Wood inspection withnon-supervised clustering[J].Machine Vision and Applications, 200313(2):275 - 28
5.[0011][7].Zhang y1-zhuo, Tong chuan, Wood board defects sorting based on methodof possibilistic C—means improved support vector data description.AppliedMechanics and Materials.2012，128-129:1288-1291
[0012][8],白雪冰，邹丽晖.基于灰度-梯度共生矩阵的木材表面缺陷分割方法[J].森林工程，2007, 23 (2): 16-18.[0013][9],王林，白雪冰.基于Gabor变换木材表面缺陷图像分割方法[J].计算机工程与设计.2010，31 (5): 1066-1069.[0014][10].Duming Tsai, Bo Hsia0.Automatic surface inspection using waveletreconstruction[J].Pattern Recognition, 2001, 34(6):1285-1305.[0015][I I].Yanfang Han, Pengfei Sh1.An adaptive level-selecting wavelettransform for texture defect detection[J].1mage and Vision Computing, 2007, 25(8):1239 - 1248.[0016][12].张怡卓，佟川，于慧伶.基于形态学重构的实木地板缺陷分割方法研究.森林工程[J].2012，28 (2):14-17.[0017][13].陈永光，王国柱，撒潮，等.木材表面缺陷边缘形态检测算法的研究[J].木材加工机械.2003, 3:18-22.[0018][14].金立生，王荣本，高龙，等.基于区域生长的智能车辆阴影路径图像分割方法[J].吉林大学学报(工学版)，2006，36:132-135.[0019][15].Frank Y.Shih, Shouxian Cheng.Automatic seeded region growing forcolor image segmentation.1mage and Vision Computing, 2005, 23(5)877 - 886.
【发明内容】
[0020]本发明针对区 域生长算法存在的分割速度慢、分割不准确的问题，致使实木地板的表面缺陷检测速度慢、精度低，从而影响其质量与分选等级；为此提出了一种基于图像融合分割的实木地板表面缺陷检测方法(基于图像融合的缺陷定位方法)。
[0021]本发明为解决上述技术问题采取的技术方案是:
[0022]一种基于图像融合分割的实木地板表面缺陷检测方法，所述方法的实现过程为:
[0023]步骤一、图像预处理:由RGB模型中提取R分量再进行灰度图像变换；
[0024]步骤二、图像缩小与缺陷定位:采用等间隔采样完成图像缩小；在低维空间搜索缺陷点并完成缺陷的初步定位;
[0025]步骤三、图像放大、创建标记图像:图像放大是生成与原始图像大小一致的图像，为缺陷图像的融合分割提供标记图像，图像放大要在处理效率与结果的平滑度和清晰度上做一个权衡；
[0026]步骤四、缺陷的边缘检测:边缘检测用于在标记图像上找到缺陷边缘，确定边缘种子点图像seed(X，y)，原图像将以种子点进行向外搜索；边缘检测的具体步骤为:
[0027]步骤四(I)、构造小波函数；
[0028]步骤四(2)、对图像S (X，y)做小波变换，计算模MyS(U)与相角4外U);[0029]步骤四(3)、沿相角搜索模的极值点，生成图像的边缘AM冬>’)；
[0030]步骤四(4)、将巧S(x,y)中模、相角相似点连接，得到单像素的图像边缘.v)；
[0031]步骤四(5)、对β2^Χ\ν)中的边缘，计算Py1S(U)中的匹配区域，得到下一尺度j-1的边缘图像zVA (1.V);
[0032]步骤五、原始图像下的缺陷边界搜索；
[0033]步骤六、检测结果输出。
[0034]在步骤二中，
[0035]采用等间隔采样完成图像缩小的过程为:
[0036]设原图像中的点f (X，y)在缩小后的图像中对应点g(x，y)，则:
[0037]
【权利要求】
1.一种基于图像融合分割的实木地板表面缺陷检测方法，其特征在于:所述方法的实现过程为: 步骤一、图像预处理:由RGB模型中提取R分量再进行灰度图像变换； 步骤二、图像缩小与缺陷定位:采用等间隔采样完成图像缩小；在低维空间搜索缺陷点并完成缺陷的初步定位； 步骤三、图像放大、创建标记图像:图像放大是生成与原始图像大小一致的图像，为缺陷图像的融合分割提供标记图像，图像放大要在处理效率与结果的平滑度和清晰度上做一个权衡； 步骤四、缺陷的边缘检测:边缘检测用于在标记图像上找到缺陷边缘，确定边缘种子点图像seedU，y)，原图像将以种子点进行向外搜索；边缘检测的具体步骤为: 步骤四(I)、构造小波函数； 步骤四(2)、对图像S (X，y)做小波变换，计算模M2J(U)与相角; 步骤四(3)、沿相角搜索模的极值点，生成图像的边缘AS(U); 步骤四(4)、将尽S{x,y)中模、相角相似点连接，得到单像素的图像边缘A.S((x.v)；步骤四(5)、对D2%..v)中的边缘，计算Ρ2』(χ.χ)中的匹配区域，得到下一尺度j-Ι的边缘图像 步骤五、原始图像下的缺陷边界搜索； 步骤六、检测结果输出。
2.根据权利要求1所述的一种基于图像融合分割的实木地板表面缺陷检测方法，其特征在于:在步骤二中， 采用等间隔采样完成图像缩小的过程为: 设原图像中的点f(x，y)在缩小后的图像中对应点g(x，y)，则:
3.根据权利要求2所述的一种基于图像融合分割的实木地板表面缺陷检测方法，其特征在于:在步骤三中，图像放大的具体过程为: 采用差分算法计算缩小后的图像g(x，y)上每一点(i，j)的梯度，在差分网格上令网格点(i，j)处的梯度为
4.根据权利要求3所述的一种基于图像融合分割的实木地板表面缺陷检测方法，其特征在于:在步骤四中， 构造小波函数的过程为: 利用小波变换进行检测边缘，并将图像细节以不同程度的尺度呈现； 选取小波函数为:
5.根据权利要求4所述的一种基于图像融合分割的实木地板表面缺陷检测方法，其特征在于:在步骤五中，所述缺陷边界搜索采用边缘的禁忌搜索，禁忌搜索是参照标记图像Sign (x, y),从种子点seed(x, y)出发,利用阈值限定生长条件,避开标记点向外搜索缺陷边界，直到缺陷分割完成。
【文档编号】G06T7/00GK103761743SQ201410043711
【公开日】2014年4月30日 申请日期:2014年1月29日 优先权日:2014年1月29日
【发明者】张怡卓, 陈宇, 曹军, 于慧伶, 丁亮 申请人:东北林业大学