專利名稱：基于視覺注意機(jī)制下的銅帶表面缺陷快速檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種面向金屬板帶材表面缺陷的基于視覺注意機(jī)制下的在線快速檢測(cè)方法，屬于視覺檢測(cè)和圖像分析技術(shù)領(lǐng)域。
背景技術(shù)：
由于銅帶生產(chǎn)工藝現(xiàn)場(chǎng)環(huán)境復(fù)雜多變，光線變化、噪聲干擾嚴(yán)重等因素均易導(dǎo)致圖像質(zhì)量下降，圖像的信噪比低，加之大多數(shù)表面缺陷目標(biāo)尺度較小、對(duì)比度較低，屬于弱小目標(biāo)，因此針對(duì)銅帶表面缺陷檢測(cè)和識(shí)別的可靠性、實(shí)時(shí)性以及穩(wěn)健性等方面存在較大的挑戰(zhàn)，傳統(tǒng)的銅帶表面缺陷檢測(cè)方法，首先是做圖像去噪、圖像增強(qiáng)等圖像預(yù)處理來消除噪音的影響、增強(qiáng)和突出目標(biāo)特征，使其更容易從背景中分離出來，這種傳統(tǒng)的圖像處理方法雖然在一定程度上減少噪聲的視覺影響，但對(duì)于干擾較強(qiáng)的噪聲作用不大，而且過度的去噪等處理不僅會(huì)損失待檢測(cè)缺陷目標(biāo)本身的圖像特征，而且也會(huì)影響檢測(cè)的實(shí)時(shí)性，因此需要一種理想的解決辦法是檢測(cè)模型本身具有較強(qiáng)的抗噪能力，具備較強(qiáng)的魯棒性。

發(fā)明內(nèi)容
為了解決現(xiàn)有技術(shù)中傳統(tǒng)的銅帶表面缺陷檢測(cè)方法，會(huì)損失待檢測(cè)缺陷目標(biāo)本身的圖像特征，且實(shí)時(shí)性、魯棒性差的問題。本發(fā)明提供的基于視覺注意機(jī)制下的銅帶表面缺陷快速檢測(cè)方法，能夠解決復(fù)雜、惡劣的工況環(huán)境下的缺陷檢測(cè)難點(diǎn)問題，且具有很高的實(shí)時(shí)性、可靠性和魯棒性，思路清晰，方法獨(dú)特，具有良好的應(yīng)用前景。為了到達(dá)上述目的，本發(fā)明所采取的技術(shù)方案是:一種基于視覺注意機(jī)制下的銅帶表面缺陷快速檢測(cè)方法，其特征在于:包括以下步驟，步驟(I)輸入銅帶表面圖像，提取銅帶表面圖像自頂向下的注意信息；步驟(2)提取銅帶表面圖像自底向上的注意信息；步驟(3)引入場(chǎng)景中目標(biāo)和背景干擾的統(tǒng)計(jì)先驗(yàn)信息；步驟(4)根據(jù)自底向上和自頂向下注意信息，協(xié)同工作，建立雙向協(xié)同的視覺注意模型；步驟(5)通過建立的視覺注意模型，進(jìn)行銅帶表面缺陷在線檢測(cè)，輸出檢測(cè)結(jié)果。前述的基于視覺注意機(jī)制下的銅帶表面缺陷快速檢測(cè)方法，其特征在于:步驟
(I)提取銅帶表面圖像自頂向下的注意信息包括目標(biāo)出現(xiàn)概率P(TnIV)和干擾出現(xiàn)概率P(DjV)。前述的基于視覺注意機(jī)制下的銅帶表面缺陷快速檢測(cè)方法，其特征在于:目標(biāo)出現(xiàn)概率P(TnIV)的計(jì)算方法，包括以下步驟，(I)根據(jù)貝葉斯理論，根據(jù)一組銅帶表面圖像的圖像度量V，計(jì)算目標(biāo)T出現(xiàn)概率的似然函數(shù)值，
權(quán)利要求
1.于視覺注意機(jī)制下的銅帶表面缺陷快速檢測(cè)方法，其特征在于:包括以下步驟， 步驟(I)輸入銅帶表面圖像，提取銅帶表面圖像自頂向下的注意信息； 步驟(2)提取銅帶表面圖像自底向上的注意信息； 步驟(3)引入場(chǎng)景中目標(biāo)和背景干擾的統(tǒng)計(jì)先驗(yàn)信息； 步驟(4)根據(jù)自底向上和自頂向下注意信息，協(xié)同工作，建立雙向協(xié)同的視覺注意模型； 步驟(5)通過建立的視覺注意模型，進(jìn)行銅帶表面缺陷在線檢測(cè)，輸出檢測(cè)結(jié)果。
2.據(jù)權(quán)利要求1所述的基于視覺注意機(jī)制下的銅帶表面缺陷快速檢測(cè)方法，其特征在于:步驟(I)提取銅帶表面圖像自頂向下的注意信息包括目標(biāo)出現(xiàn)概率p(Tn|V)和干擾出現(xiàn)概率P (D1J V)。
3.據(jù)權(quán)利要求2所述的基于視覺注意機(jī)制下的銅帶表面缺陷快速檢測(cè)方法，其特征在于:目標(biāo)出現(xiàn)概率P(Tn|V)的計(jì)算方法，包括以下步驟， (1)根據(jù)貝葉斯理論，根據(jù)一組銅帶表面圖像的圖像度量V，計(jì)算目標(biāo)T出現(xiàn)概率的似然函數(shù)值，
4.據(jù)權(quán)利要求2所述的基于視覺注意機(jī)制下的銅帶表面缺陷快速檢測(cè)方法，其特征在于:干擾出現(xiàn)概率P(D1Jv)的計(jì)算方法，干擾為傳送帶金屬邊框以及大理石地板，包括以下步驟， (1)根據(jù)貝葉斯理論，根據(jù)一組銅帶表面圖像的圖像度量V，計(jì)算干擾D出現(xiàn)概率的似然函數(shù)值，
5.據(jù)權(quán)利要求2所述的基于視覺注意機(jī)制下的銅帶表面缺陷快速檢測(cè)方法，其特征在于:步驟(2)提取銅帶表面圖像自底向上的注意信息，根據(jù)圖像數(shù)據(jù)計(jì)算得到圖像中的顯著區(qū)域，并由特征顯著性計(jì)算得到，所述特征顯著性計(jì)算包括初級(jí)視覺特征計(jì)算、紋理頻譜特征計(jì)算以及小波統(tǒng)計(jì)特征計(jì)算三個(gè)步驟。
6.據(jù)權(quán)利要求1所述的基于視覺注意機(jī)制下的銅帶表面缺陷快速檢測(cè)方法，其特征在于:步驟(4)協(xié)同工作，協(xié)同工作，建立雙向協(xié)同的視覺注意模型的方法，包括以下步驟， (I)設(shè)特征顯著性為SSij (sc, I), SSij (sc, I)是以點(diǎn)圖像I = (X，y)為中心，以尺度sc為半徑的圖像區(qū)域的顯著值，根據(jù)公式(9)，第j維空間的顯著圖S」通過自底向上顯著值Ssij (sc, I)和自頂向下增益gij乘積的加權(quán)和得到；根據(jù)公式(10)，最終顯著圖S通過Sj和自頂向下增益因子g]乘積的加權(quán)和得到，
全文摘要
本發(fā)明公開了一種基于視覺注意機(jī)制下的銅帶表面缺陷快速檢測(cè)方法，包括以下步驟，1)輸入銅帶表面圖像，提取銅帶表面圖像自頂向下的注意信息；2)提取銅帶表面圖像自底向上的注意信息；3)引入場(chǎng)景中目標(biāo)和背景干擾的統(tǒng)計(jì)先驗(yàn)信息；4)根據(jù)自底向上和自頂向下注意信息，協(xié)同工作，建立雙向協(xié)同的視覺注意模型；5)通過建立的視覺注意模型，進(jìn)行銅帶表面缺陷在線檢測(cè)，輸出檢測(cè)結(jié)果。本發(fā)明能夠解決復(fù)雜、惡劣的工況環(huán)境下的缺陷檢測(cè)難點(diǎn)問題，且具有很高的實(shí)時(shí)性、可靠性和魯棒性，思路清晰，方法獨(dú)特，具有良好的應(yīng)用前景。
文檔編號(hào)G06T7/00GK103093462SQ20131001341
公開日2013年5月8日 申請(qǐng)日期2013年1月14日 優(yōu)先權(quán)日2013年1月14日
發(fā)明者張學(xué)武, 周卓贇, 沈浩東, 李葦, 李敏, 張卓, 奚吉, 林善明, 范新南 申請(qǐng)人:河海大學(xué)常州校區(qū)