GIST特征向量； 将所述GIST特征向量进行PCA降维，使得PCA覆盖能量在90%以上的维数， 步骤三中利用所述降维后的所述GIST特征向量进行分类。2. 根据权利要求1所述的精粗结合的光学表面缺陷的检测方法，其特征在于:步骤一中 所述方差阈值如下选取： 对图像进行全局的灰度直方图分析，使用灰度值的均匀分布模型对其进行建模，利用 所述均匀分布模型的方差作为初始方差阈值并根据数据集合进行校正;设拟合出的均值分 布区间为[μ-r，μ+r ]，u为拟合均匀分布区间中心点，r为拟合均匀分布的半径，则初始方差 阈值的取值为：3. 根据权利要求1所述的精粗结合的光学表面缺陷的检测方法，其特征在于:步骤一中 所述根据疑似缺陷块图像得到整个图像上的疑似缺陷区域具体包括： 根据疑似缺陷块图像得到索引矩阵Ind，若第i行、第j列的块图像被标记为意思缺陷块 图像，则Indij = l，否则lndij = 0; 对索引矩阵进行闭运算操作，消除索引矩阵中的空洞或者是空隙； 利用索引矩阵将图像映射成等尺寸的二值图像，每一个索引值对应一个块图像； 在生成的二值图像上进行轮廓查找，并计算出轮廓的最小外接矩形作为疑似缺陷区域 的粗检测定界线。4. 根据权利要求1所述的精粗结合的光学表面缺陷的检测方法，其特征在于:步骤二中 所述根据所述疑似缺陷区域的方向对所述图像进行旋转具体过程为： 利用所述疑似缺陷区域的最小外接矩形的坐标计算所述最小外界矩形的倾斜角； 将所述图像按照所述倾斜角反向旋转； 提取旋转后的图像中的疑似缺陷区域。5. 根据权利要求1所述的精粗结合的光学表面缺陷的检测方法，其特征在于:步骤二中 对所述图像进行归一化处理和对归一化处理后的所述图像进行GIST特征提取的具体过程 为： 将所述图像缩放至64*64像素的正方形； 将所述图像的灰度级线性变换值区间[〇，255]; 将所述图像的数据类型由单个字节的无符号整型转化为双精度浮点型数据类型，并对 图像进行白化处理；； 对所述图像进行填补操作，填补方式选用对称填补，填补为原图像宽度的八分之一； 建立四个尺度，每个尺度为八个方向的Gabor核，即选取四个不同的方差，每一个方差 计算八个角度上的Gabor核;每一个核的尺寸与填补后的图像保持一致； 使用Gabor函数对所述图像进行卷积运算； 去除卷积后所述图像中的填充区域，使图像恢复至原来的尺寸； 将恢复后的所述图像实数化，取输出像素为输入像素的范数； 分割经过上述处理后的所述图像，将其等分为4*4的正方形方块； 计算每个方块内的滤波响应均值，以该滤波响应均值作为所述图像的一个GIST特征向 量元素。6. -种精粗结合的光学表面缺陷的检测装置，其包括： 粗检测模块，对材料表面的图像进行直接利用建模的方差信息进行快速粗检测，确定 疑似缺陷区域位置及轮廓； 精检测模块，对疑似缺陷区域利用基于Gist的模式识别方法进行精检测，得到图像的 GIST特征向量； 分类模块，以所述GIST特征向量为缺陷分类依据，输入到分类器进行分类，对分类结果 进行分析，输出最终精检测后的损伤信息； 其中，粗检测模块通过将原始图像进行分块得到多个块图像，并根据块图像的方差判 断其是否为疑似缺陷块图像，对于超出预定方差阈值的块图像判断为疑似缺陷块图像，将 未超出预定方差阈值的块图像判断为非疑似缺陷块图像;根据疑似缺陷块图像得到整个图 像上的疑似缺陷区域； 所述精检测模块具体进行如下处理： 根据所述疑似缺陷区域的方向对所述图像进行旋转，使得旋转后疑似缺陷区域的外接 矩形的主轴与水平方向重合； 对旋转后的所述图像进行归一化处理； 对归一化后的所述图像进行GIST特征提取，得到GIST特征向量； 将所述GIST特征向量进行PCA降维，使得PCA覆盖能量在90%以上的维数， 所述分类模块利用所述降维后的所述GIST特征向量进行分类。7. 根据权利要求6所述的精粗结合的光学表面缺陷的检测装置，其特征在于:所述粗检 测模块中所述方差阈值如下选取： 对图像进行全局的灰度直方图分析，使用灰度值的均匀分布模型对其进行建模，利用 所述均匀分布模型的方差作为初始方差阈值并根据数据集合进行校正;设拟合出的均值分 布区间为[μ-r，μ+r ]，u为拟合均匀分布区间中心点，r为拟合均匀分布的半径，则初始方差 阈值的取值为：8. 根据权利要求6所述的精粗结合的光学表面缺陷的检测装置，其特征在于:粗检测模 块中所述根据疑似缺陷块图像得到整个图像上的疑似缺陷区域具体包括： 根据疑似缺陷块图像得到索引矩阵Ind，若第i行、第j列的块图像被标记为意思缺陷块 图像，则Indij = l，否则lndij = 0; 对索引矩阵进行闭运算操作，消除索引矩阵中的空洞或者是空隙； 利用索引矩阵将图像映射成等尺寸的二值图像，每一个索引值对应一个块图像； 在生成的二值图像上进行轮廓查找，并计算出轮廓的最小外接矩形作为疑似缺陷区域 的粗检测定界线。9. 根据权利要求6所述的精粗结合的光学表面缺陷的检测装置，其特征在于:精检测模 块中所述根据所述疑似缺陷区域的方向对所述图像进行旋转具体过程为： 利用所述疑似缺陷区域的最小外接矩形的坐标计算所述最小外界矩形的倾斜角； 将所述图像按照所述倾斜角反向旋转； 提取旋转后的图像中的疑似缺陷区域。10. 根据权利要求6所述的精粗结合的光学表面缺陷的检测装置，其特征在于:精检测 模块中对所述图像进行归一化处理和对归一化处理后的所述图像进行GIST特征提取的具 体过程为： 将所述图像缩放至64*64像素的正方形； 将所述图像的灰度级线性变换值区间[〇，255]; 将所述图像的数据类型由单个字节的无符号整型转化为双精度浮点型数据类型，并对 图像进行白化处理；； 对所述图像进行填补操作，填补方式选用对称填补，填补为原图像宽度的八分之一； 建立四个尺度，每个尺度为八个方向的Gabor核，即选取四个不同的方差，每一个方差 计算八个角度上的Gabor核;每一个核的尺寸与填补后的图像保持一致； 使用Gabor函数对所述图像进行卷积运算； 去除卷积后所述图像中的填充区域，使图像恢复至原来的尺寸； 将恢复后的所述图像实数化，取输出像素为输入像素的范数； 分割经过上述处理后的所述图像，将其等分为4*4的正方形方块； 计算每个方块内的滤波响应均值，以该滤波响应均值作为所述图像的一个GIST特征向 量元素。
【专利摘要】本发明公开了一种粗精结合的光学表面缺陷检测方法及装置，本发明涉及光学表面检测领域。本发明是要解决传统的肉眼识别的检测方式效率低下、检测精度有限、自动化水平低的问题，从而提出一种基于图像处理和模式识别技术的光学表面缺陷识别方法。该方法是分为两个步骤，步骤一对输入的原始图像直接利用基于图像建模的方差信息进行快速粗检测，获取异常区域的位置及其区域；步骤二是对区域中疑似缺陷利用基于Gist的模式识别方法进行精检测，最后输出结果。本发明应用于光滑表面的定量损伤检测和污渍分析，检测效率快，精度高。
【IPC分类】G06K9/62, G06T7/00
【公开号】CN105447512
【申请号】CN201510779518
【发明人】陶显, 张正涛, 姜宏振, 徐德, 罗家祯, 王子昊, 张鸿燕, 袁伦喜, 刘旭
【申请人】中国科学院自动化研究所, 中国工程物理研究院激光聚变研究中心
【公开日】2016年3月30日
【申请日】2015年11月13日