一种基于奇异值分解的轮胎缺陷检测方法与流程

本发明涉及计算机视觉技术领域，尤其涉及一种基于奇异值分解的轮胎缺陷检测方法。

背景技术：

轮胎是汽车的重要组成部分，它的质量直接影响着车辆行驶时的安全性。通常，一条完整的轮胎由胎冠区、胎肩区、胎侧区和加强区四种区域构成。受原材料、加工设备以及生产工艺等因素的影响，少量轮胎可能在某种部件区域内出现不同类型的缺陷。轮胎的缺陷主要集中在胎侧、胎冠和胎肩三个部位。常见的缺陷包括杂质、搭接和气泡三种。杂质和搭接这两类缺陷都会破坏轮胎内部的帘线结构，从而造成轮胎受力不均引起爆胎；而气泡则破坏了橡胶的粘合力，汽车在高速运转时，轮胎与地面的摩擦会使得轮胎温度升高，从而会引起气泡膨胀，最终也会导致爆胎。缺陷的存在降低了轮胎的可靠性和耐磨性能，从而影响车辆的安全性。

为保证轮胎的质量，轮胎生产商通常借助于专用的x光成像设备由工人对轮胎内部进行查看，以检查轮胎内部是否存在缺陷。然而，在实际检查过程中，工人的视觉疲劳会造成轮胎缺陷的漏检和误检，从而给车辆的安全性埋下了隐患。

技术实现要素：

为了克服上述现有技术中的不足，本发明提供一种基于奇异值分解的轮胎缺陷检测方法，轮胎缺陷检测方法包括：

步骤1：将含有n个像素的待检图像i划分成n个大小为m×m的图像块，记为pi,(i＝1,...,n)；

步骤2：将每一个图像块pi转换成一个列向量ci；

步骤3：利用所有图像块所对应的列向量，构造一个图像块矩阵m；

步骤4：对图像块矩阵m进行奇异值分解，得到m²个奇异值σi,(i＝1,...,m²)和相应的左奇异矩阵u及右奇异矩阵v；

步骤5：通过依次计算相邻两个奇异值的比值，确定图像块矩阵m的秩r；

步骤6：利用图像块矩阵m的前r个最大奇异值及其所对应的左奇异向量和右奇异向量，重构出图像块矩阵m的一个低秩近似矩阵mr；

步骤7：将低秩近似矩阵mr中的各列向量转换成图像块pi^r,(i＝1,...,n)；

步骤8：由所有图像块pi^r重构出待检图像i的近似图像ir；

步骤9：对残差图像i-ir进行硬阈值分割，得到一幅二值图像ib，该图像中灰度值为1的像素所对应的坐标即为缺陷位置。

优选地，所述的步骤1将待检图像i划分成图像块的方法如下：将待检图像i中各像素及其周围m×m邻域内的像素定义为一个图像块。

优选地，所述的步骤2将图像块转换成列向量的方法如下：从各图像块左上角的第一个像素开始，沿水平方向呈“z”字型依次将图像块中的像素存储在一个列向量中。

优选地，所述的步骤3图像块矩阵m的构造方法如下：将所有图像块所对应的列向量从左到右依次排列，即生成一个矩阵。

优选地，所述的步骤4对图像块矩阵m进行奇异值分解，分解成式(1)

m＝uσv^t(1)

式中，u为左奇异矩阵，v为右奇异矩阵。

优选地，所述的步骤5利用式(2)，确定图像块矩阵m的秩r，

式中σi,(i＝1,...,m²)为图像块矩阵m的奇异值，δ为预先设定的参数。

优选地，所述的步骤6利用式(3)重构低秩近似矩阵mr，

式中σr＝diag(σ1,...,σr)，ur为由前r个左奇异向量构成的矩阵，vr为由前r个右奇异向量构成的矩阵。

优选地，所述的步骤7将列向量转换成图像块的方法是所述的步骤2的逆过程。

优选地，所述的步骤8利用式(4)，重构近似图像ir的每一个像素ir(j)

式中s为包含图像第j像素的图像块集合，k为集合s所含图像块的数目。

优选地，所述的步骤9利用式(5)，对残差图像i-ir进行硬阈值分割，得到一幅二值图像ib，

式中λ为预先设定的阈值。

从以上技术方案可以看出，本发明具有以下优点：

基于奇异值分解的轮胎缺陷检测方法能够借助于计算机自动判断轮胎是否含有缺陷，当存在缺陷时，能够定位缺陷发生的具体位置，避免由于人工操作所引起的漏检和误检，提高缺陷检测的准确性。

附图说明

为了更清楚地说明本发明的技术方案，下面将对描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明的流程图；

图2是图像块转换成列向量示意图；

图3是图像块矩阵的构造示意图；

图4是列向量转换成图像块示意图。

具体实施方式

为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将运用具体的实施例及附图，对本发明保护的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本专利中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利保护的范围。

本发明提供一种基于奇异值分解的轮胎缺陷检测方法，如图1所示，轮胎缺陷检测方法包括：

步骤1：对含有n个像素的待检图像，将每个像素及其周围m×m邻域内的像素划分为一个图像块，共得到n个图像块，记为pi,(i＝1,...,n)，每个图像块含有m²个像素；

步骤2：参考图2描述，从各图像块左上角的第一个像素开始，沿水平方向呈“z”字型依次将图像块中的像素存储在一个列向量中；

步骤3：参考图3描述，将所有图像块所对应的列向量从左到右依次排列，得到一个图像块矩阵m；

步骤4：对图像块矩阵m进行奇异值分解，得到m²个奇异值σi,(i＝1,...,m²)和相应的左奇异矩阵u及右奇异矩阵v；

步骤5：设定参数δ，依次计算相邻两个奇异值的比值，利用式(6)确定图像块矩阵m的秩r

式中σi,(i＝1,...,m²)为图像块矩阵m的奇异值，δ为预先设定的参数；

步骤6：利用式(7)，由图像块矩阵m的前r个最大奇异值及其所对应的左奇异向量和右奇异向量重构低秩近似矩阵mr

式中σr＝diag(σ1,...,σr)，ur为由前r个左奇异向量构成的矩阵，vr为由前r个右奇异向量构成的矩阵；

步骤7：参考图4描述，将低秩近似矩阵mr中的各列向量转换成图像块pi^r,(i＝1,...,n)；

步骤8：利用式(8)，由所有图像块pi^r重构出待检图像i的近似图像ir

式中s为包含图像第j像素的图像块集合，k为集合s所含图像块的数目；

步骤9：设定阈值λ，利用式(9)，对残差图像i-ir进行硬阈值分割，得到一幅二值图像ib

式中λ为预先设定的阈值。

所述的步骤9所得二值图像ib中灰度值为1的像素所对应的坐标即为缺陷位置。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。