基于特征建模显著性检测的皮革材料表面缺陷检测方法技术

本发明专利技术公开了一种基于特征建模显著性检测的皮革材料表面缺陷检测方法，包括步骤：S01、先采集皮革材料的视频信息，在视频中选取若干帧图像作为待检测图像；S02、然后采用自底向上的模型，进行显著性图像的初步获取，得到第一显著性图像；S03、利用等面积多直方图均衡算法对第一显著性图像进行增强，得到第二显著性图像；S04、基于超像素的再优化对第二显著性图像进行处理，得到第三显著性图像；S05、最后，根据第三显著性图像标出缺陷所在位置，运用全局阈值法对得到的第三显著性图像进行自适应阈值化，本发明专利技术有效降低了算法计算量，在检测缺陷大小不一、散布于皮革材料多个区域的情况下，检测速度快且检测结果更为稳定、准确。准确。准确。

【技术实现步骤摘要】
基于特征建模显著性检测的皮革材料表面缺陷检测方法


[0001]本专利技术涉及材料缺陷检测
，具体涉及一种基于特征建模显著性检测的皮革材料表面缺陷检测方法。

技术介绍

[0002]当前，我国皮革制品行业长期以来主要依靠人工实现对整张皮革进行缺陷检测与定位工序。但由于光照条件、工人经验不同以及情绪、体力、工作时长等因素变化的影响，容易造成检测和排样切割效率低下等问题。目前国内外研究人员对皮革表面缺陷检测提出了许多不同的方法，但是他们大都是针对皮革表面局部缺陷进行检测与已知的明确缺陷进行分类处理，未能一次对整张皮革的缺陷进行有效的检测与定位。

技术实现思路

[0003]技术目的：针对现有皮革材料表面未知缺陷无法有效检测和定位的不足，本专利技术公开了一种基于特征建模显著性检测的皮革材料表面缺陷检测方法。
[0004]技术方案：为实现上述技术目的，本专利技术采用了如下技术方案：
[0005]一种基于特征建模显著性检测的皮革材料表面缺陷检测方法，包括步骤：
[0006]S01、先采集皮革材料的视频信息，在视频中选取若干帧图像作为待检测图像；
[0007]S02、然后采用自底向上的模型，进行显著性图像的初步获取，得到第一显著性图像；
[0008]S03、利用等面积多直方图均衡算法对第一显著性图像进行增强，得到第二显著性图像；
[0009]S04、基于超像素的再优化对第二显著性图像进行处理，得到第三显著性图像；
[0010]S05、最后，根据第三显著性图像标出缺陷所在位置，运用全局阈值法对得到的第三显著性图像进行自适应阈值化，得到二值图像，二值图像中白色区域及为检测到的缺陷区域，进而标出皮革等材料表面的缺陷所在位置。
[0011]优选地，本专利技术的步骤S02中，获取第一显著性图像过程包括步骤：
[0012]S021、先在待检测图像I划分中心区域I1和边缘区域I2，中心区域I1与待检测图像I同心，待检测图像I去除中心区域I1外为边缘区域I2，边缘区域I2内的像素为边缘像素；
[0013]S022、然后将待检测图像的中心区域I1和边缘区域I2的像素信息S
i
均转换至CIELab颜色空间中，得到新的像素信息i表示待检测图像中的像素编号；
[0014]S023、计算每一边缘像素的特征向量，运用K
‑
means++聚类算法对边缘像素进行聚类；
[0015]S024、统计对边缘像素聚类后的聚类群组数目，以及每个聚类群组中的边缘像素数目，利用算数平均数计算每个聚类群组的中心特征值；
[0016]S025、最后计算待检测图像中每一像素的特征向量与每一个聚类群组中心的距离，对每个像素到所有聚类群组中心的距离进行归一化处理，得到第一显著性图像。
[0017]优选地，本专利技术的步骤S023中，以每个边缘像素为中心的邻域区块来表示对应边缘像素的特征，用邻域区块中每一像素的像素信息S
*
分量值乘以对应的权重系数作为对应边缘像素特征值，权重系数为邻域区块中像素与对应边缘像素距离的倒数。
[0018]优选地，本专利技术的邻块区域为与以边缘像素为中心的相邻的n个像素宽度组成的区域，邻块区域的大小为n*n，n为奇数，对于靠近外侧的边缘像素，当边缘像素与图像边缘的距离小于(n
‑
1)/2时，则邻域区块为从图像边缘向内n个像素宽度组成的区域。
[0019]优选地，本专利技术的K
‑
means++聚类算法进行聚类的过程包括步骤：
[0020]S0231、在所有的边缘像素中随机选取一个像素作为聚类中心；
[0021]S0232、计算每个边缘像素到已有聚类中心的最远距离，D
i
表示第i个像素到当前已有聚类中心的最远距离，最大的一个边缘像素为下一聚类中心；
[0022]S0233、计算每个边缘像素到当前每个聚类中心的距离并将边缘像素分配到距离最小的聚类中心对应的聚类群组中；
[0023]S0234、对每个聚类群组中样本数目进行判断，样本数目小于设定的最小值时，解散聚类群组，样本数目大于设定的最大值时，将聚类群组分为两个子群组；
[0024]S0235、判断是否满足设定的终止条件，满足条件计算终止，不满足，重复步骤S0232
‑
S0235。
[0025]优选地，本专利技术的中心区域I1相对于待检测图像I的宽度百分比为c，相对于待检测图像I的高度百分比为d，0.8≤c＜1，0.8≤d＜1。
[0026]优选地，本专利技术的步骤S03中，获取第二显著性图像过程包括步骤：
[0027]S031、先计算第一显著性图像灰度级的概率密度函数：WH为第一显著性图像中所有像素点总数，n
k
为第一显著性图像中灰度值为k的像素点的个数，L为第一显著性图像的灰度级；第一显著性图像灰度级的累计分布函数为：
[0028]S032、以第一显著性图像灰度值的中值I
mean
作为标准，取作为阈值，将第一显著性图像划分为J个子图，然后得到每一像素灰度值k变换后的灰度数值F(k)，F(k)＝(L
‑
1)
×
c(k),(k＝0,1,
…
,L
‑
1)，并生成灰度变换查找表；
[0029]S033、最后根据灰度变换查找表得到直方图均衡后的J个子图，然后将所有子图进行叠加，即可得到等面积多直方图均衡算法增强后的第二显著性图像。
[0030]优选地，本专利技术的步骤S04中，超像素再优化的过程包括步骤：
[0031]S041、先对第二显著性图像进行超像素级表示；
[0032]S042、然后采用SLIC算法进行超像素分割，划分为若干超像素区域，每个超像素区域的显著值为区域内所有像素显著值的平均值；
[0033]S043、第q个超像素区域，设其显著值为S
c
(q)，运用下述算法对其进一步处理，处理后的显著值为：
[0034][0035]其中，j∈Θ1表示与第q个超像素区域在1个距离内的邻近超像素的集合，是基于第q个超像素区域与1个距离内超像素j之间欧式距离的权值参数；m∈Θ2为与第q个超像素在2个距离内的邻近超像素的集合，是基于第q个超像素区域与2个距离内超像素m之间的欧式距离的权值参数。d(q)∈{0,1}是一个二值量，若超像素区域q与图像中的强边缘相接，则d(q)＝1，若超像素区域q与图像中的强边缘不直接相接，则d(q)＝0。
[0036]有益效果：本专利技术所提供的一种基于特征建模显著性检测的皮革材料表面缺陷检测方法具有如下有益效果：
[0037]1、本专利技术对缺陷提取的准确性和算法的运行效率上都比传统方法更具有优势，本方法所提出的视觉显著性缺陷检测方法有效降低了算法计算量，在检测缺陷大小不一、散布于皮革材料多个区域的情况下，检测速度快且检测结果更为稳定、准确。...

【技术保护点】

【技术特征摘要】
1.一种基于特征建模显著性检测的皮革材料表面缺陷检测方法，其特征在于，包括步骤：S01、先采集皮革材料的视频信息，在视频中选取若干帧图像作为待检测图像；S02、然后采用自底向上的模型，进行显著性图像的初步获取，得到第一显著性图像；S03、利用等面积多直方图均衡算法对第一显著性图像进行增强，得到第二显著性图像；S04、基于超像素的再优化对第二显著性图像进行处理，得到第三显著性图像；S05、最后，根据第三显著性图像标出缺陷所在位置，运用全局阈值法对得到的第三显著性图像进行自适应阈值化，得到二值图像，二值图像中白色区域及为检测到的缺陷区域，进而标出皮革等材料表面的缺陷所在位置。2.根据权利要求1所述的基于特征建模显著性检测的皮革材料表面缺陷检测方法，其特征在于，所述步骤S02中，获取第一显著性图像过程包括步骤：S021、先在待检测图像I划分中心区域I1和边缘区域I2，中心区域I1与待检测图像I同心，待检测图像I去除中心区域I1外为边缘区域I2，边缘区域I2内的像素为边缘像素；S022、然后将待检测图像的中心区域I1和边缘区域I2的像素信息S
i
均转换至CIELab颜色空间中，得到新的像素信息i表示待检测图像中的像素编号；S023、计算每一边缘像素的特征向量，运用K
‑
means++聚类算法对边缘像素进行聚类；S024、统计对边缘像素聚类后的聚类群组数目，以及每个聚类群组中的边缘像素数目，利用算数平均数计算每个聚类群组的中心特征值；S025、最后计算待检测图像中每一像素的特征向量与每一个聚类群组中心的距离，对每个像素到所有聚类群组中心的距离进行归一化处理，得到第一显著性图像。3.根据权利要求2所述的基于特征建模显著性检测的皮革材料表面缺陷检测方法，其特征在于，步骤S023中，以每个边缘像素为中心的邻域区块来表示对应边缘像素的特征，用邻域区块中每一像素的像素信息S
*
分量值乘以对应的权重系数作为对应边缘像素特征值，权重系数为邻域区块中像素与对应边缘像素距离的倒数。4.根据权利要求3所述的基于特征建模显著性检测的皮革材料表面缺陷检测方法，其特征在于，所述邻块区域为与边缘像素相邻的n个像素宽度组成的区域，邻块区域的大小为n*n，n为奇数，对于靠近外侧的边缘像素，当边缘像素与图像边缘的距离小于(n
‑
1)/2时，则邻域区块为从图像边缘向内n个像素宽度组成的区域。5.根据权利要求2或3所述的基于特征建模显著性检测的皮革材料表面缺陷检测方法，其特征在于，K
‑
means++聚类算法进行聚类的过程包括步骤：S0231、在所有的边缘像素中随机选取一个像素作为聚类中心；S0232、计算每个边缘像素到已有聚类中心的最远距离，D
i...

【专利技术属性】
技术研发人员：高阳，陈烨，宋晓凤，路绳方，孟琳，宋姗姗，焦良葆，
申请(专利权)人：泗阳县晨光家具有限公司，
类型：发明
国别省市：