System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于图像处理与计算机视觉领域,具体指一种基于多维先验和融合显著图的金属网栅缺陷检测方法。
技术介绍
1、近年来,随着电磁技术的广泛应用,给生活带来便利的同时,也使得电磁环境日益复杂,造成了电磁污染问题。因此在诸多领域提出了电磁屏蔽的性能要求,电磁屏蔽技术应运而生。同时随着高新技术的不断发展和多种场景下对目标可观测性的任务要求,透明电磁屏蔽技术得到了广泛的研究和发展,在电磁屏蔽
,一个重点且是难点的问题是可观测场景下的电磁屏蔽。例如,在航空航天领域,为了实现对目标的精密观测和探测,要求飞行器的光窗在可见光和红外光波段具有高透过性,同时为了保护飞行器内的精密光学仪器免受电磁干扰的影响,光窗也要求具备微波波段的强电磁屏蔽特性。
2、金属网栅是一种将金属薄膜制成的栅网状结构,通过将其结构单元的尺寸形状等进行设计,可以实现较高的透光率和较大的电磁屏蔽性能以及较高的成像质量。因此金属网栅被广泛应用到可观测场景下的电磁屏蔽领域。
3、然而在金属网栅实际生产和使用过程中,网栅结构会由于操作加工不当、沙石刮擦、磨损、化学成分腐蚀等多种影响因素,导致其表面产生异物附着、金属附着、断线等多种类型的缺陷。这些缺陷会对金属网栅屏蔽性能产生影响,需要进行检测。但由于这些缺陷大多数结构十分微小,难以被肉眼发现,而工程人员利用成像系统目测和比对会存在视场小,检测时间长,十分依赖经验和耗费精力等问题。
4、针对金属网栅领域的缺陷检测相关的专利和论文较少,专利201410131635.5公开了一种检测与识别金属网
5、金属网栅图像是具有栅网状结构的纹理性表面。渔网、钢丝绳、保险丝、制药设备制药过程筛网等应用背景下的图像也具备类似栅网状结构,专利202211107376.3公开了一种基于图像理解的深海渔网生产过程缺陷检测方法,主要通过倾斜角度和质心获得渔网的质量评价。该方法需要求渔网具有网结分布均匀性和大小均匀性;专利202211250385.8公开了一种钢丝绳缺陷检测方法,主要是应用超像素分割以及边缘检测,该方法的超像素块数量和阈值需要预设置,参数泛化能力较差;专利202211171268.2公开了一种合金型温度保险丝的缺陷检测方法和系统,该方法主要通过形态学方法、轮廓曲线斜率等不同检测策略分别检测保险丝的不同类别缺陷,多种检测算法简单且高效,但难以对合金型温度保险丝缺陷实现智能化检测;专利202211186223.2公开了一种制药设备制药过程筛网缺陷检测方法及系统,主要涉及频谱变化,该方法中的高亮点数量需要预先设置。以上多种类似栅网状表面的检测不能在金属网栅上有一个较好的检测。
6、在金属网栅缺陷检测模型中,构造缺陷先验是指在模型运算前引入对缺陷的先验信息,以帮助模型更准确地识别和定位缺陷。这种先验信息可以是关于缺陷形状、大小、位置等方面的知识,用于指导模型在训练和检测过程中更好地理解和利用缺陷的特征。缺陷先验提供了额外的信息,使模型更具鲁棒性,能够更好地适应不同场景下的缺陷变化,同时可以提高检测准确性,加速模型收敛速度。多维先验是对缺陷在多个维度上的特征进行建模和描述的先验信息,能够更全面地描述缺陷并具有更强的适应性。
7、在多维先验领域,专利201510897635.0公开了一种基于前景背景优化的rgb-d显著物体检测方法。该专利技术基于底层特征对比度构造超像素级别初始显著图,对初始显著图引入中层聚合处理实现中级显著图,对中级显著图引入高层先验获得前景概率。该专利技术优化了前景背景度量框架,适合物体显著性检测,但由于金属网栅具备严格周期性,超像素分割不利于描述真实缺陷特征;专利201810053582.8公开了一种基于多特征扩散的图像显著性检测方法及终端。该专利技术融合背景先验、颜色先验和位置先验构造高层先验,实现对显著性物体边缘的精确检测,该专利技术更适合于符合人眼注意力机制的彩色图像;专利201910801714.5公开了一种基于低秩矩阵恢复的图像显著性目标检测方法。该专利技术的高层先验与专利201810053582.8较为一致,通过融合背景、颜色、位置先验获得高层先验信息进行后续处理;专利201910905112.4公开了基于显著性标签信息传播模型的板带钢表面缺陷检测方法。该专利技术中多维特征向量采用mr8滤波器方差响应的性质描述子、schmid滤波器方差响应的性质描述子、g5滤波器方差响应的性质描述子等多维特征描述符,实现对纹理特征的描述;以上专利技术的先验矩阵例如颜色和位置先验更适合于符合人眼注意力机制的彩色图像,对金属网栅缺陷图像的特征描述困难,难以辅助检测。
8、显著图特征融合是指将多个显著图中提取的特征进行合并或整合,以获得更全面、更准确的信息。可以强调显著区域、丰富显著特征。目前多数显著图特征融合用于输入图像处理、先验构造、缺陷检测等。专利201811217224.2公开了一种多纹理分级融合的织物缺陷检测方法及其装置。该专利技术提取tamura纹理特征、局部相位量化特征和经纬向纹理特征并进行分级融合,生成多特征融合图,将所述多特征融合图与织物纹理分布特征进行比对,从而对所述目标织物进行检测;专利202310480994.0公开了一种高墩大跨径连续刚构桥桥墩沉降位移监测方法及系统。该专利技术利用5种残差网络构成编码器和解码器并通过各层输出显著图融合实现最终预测结果。专利202210588230.9公开了一种焊接缺陷检测图像信息分层融合方法。该专利技术采用基于显著性的方法获取焊缝特征的底层显著图,同时利用pcnn网络对焊接缺陷区域进行提取,获得焊缝特征的中层信息显著图,融合中层信息显著图与底层显著图获取缺陷检测结果。这些显著图特征融合策略不适用于以金属网栅为代表的复杂周期性纹理图像的后处理环节。
9、综上所述,现有金属网栅缺陷检测方法研究较少且在复杂纹理情况下性能难以保证。在表面缺陷检测领域,多维先验可以在模型运算前提供多维度的缺陷特征,以指导模型在训练和检测过程中更好地理解和利用。融合显著图策略是在模型运算后对获取的多个显著图进行特征合并或融合,实现更准确的缺陷描述,两者对缺陷检测模型的性能起到重要作用。但目前的多维先验方法,例如颜色和位置先验更适合于符合人眼注意力机制的彩色图像,不适用于金属网栅的缺陷描述,难以对其检测模型提供指导。目前现有融合显著图策略大多应用于输入图像处理、先验构造、缺陷检测等,难以应用到缺陷检测本文档来自技高网...
【技术保护点】
1.一种基于多维先验和融合显著图的金属网栅缺陷检测方法,其特征在于,该方法包括如下步骤:
2.根据权利要求1所述的一种基于多维先验和融合显著图的金属网栅缺陷检测方法,所述步骤3中,先验图P由纹理特征先验和分块特征先验像素级融合得到,其中,纹理特征先验是由方向可操纵金字塔和Gabor滤波器构造的18维特征矩阵融合而成,方向可操纵金字塔通过采用高阶导数作为基函数,进而对图像线性分解,得到不同尺度和不同方向的子图像,从而实现多尺度、多方向的特征提取和变换,Gabor滤波器利用正弦波与高斯核的乘积,在不同方向和尺度上对图像进行滤波,以实现对纹理和边缘特征的敏感捕捉,提供多尺度、多方向的特征提取能力;分块特征先验的获取主要分为两步:第一步为利用图像质量评价指标SSIM得到金属网栅正交两方向的周期,然后根据计算得到的网栅周期进行图像周期划分,得到各个周期块,第二步为取相似度、差异度、相关性、能量等评价函数构造多维信息指标,以每个周期块为计算单元,对其四邻域根据多维信息指标计算差异值,将差异值赋值给周期块,并将其确定为灰度图像I的分块特征先验,同时为提高先验矩阵精细度,在每个周期块
3.根据权利要求1所述的一种基于多维先验和融合显著图的金属网栅缺陷检测方法,所述步骤4中构造WNRPCA模型如下:
4.根据权利要求1所述的一种基于多维先验和融合显著图的金属网栅缺陷检测方法,所述步骤5中,进行显著图融合和阈值分割操作,由于金属网栅的三种主要缺陷类型分处稀疏矩阵的正负两部分,断线缺陷处于稀疏矩阵的负值部分,异物附着缺陷和金属附着缺陷处于稀疏矩阵的正值部分,直接进行阈值分割会导致噪声淹没真实缺陷,因此本专利技术提出显著图融合框架,主要步骤为:
...【技术特征摘要】
1.一种基于多维先验和融合显著图的金属网栅缺陷检测方法,其特征在于,该方法包括如下步骤:
2.根据权利要求1所述的一种基于多维先验和融合显著图的金属网栅缺陷检测方法,所述步骤3中,先验图p由纹理特征先验和分块特征先验像素级融合得到,其中,纹理特征先验是由方向可操纵金字塔和gabor滤波器构造的18维特征矩阵融合而成,方向可操纵金字塔通过采用高阶导数作为基函数,进而对图像线性分解,得到不同尺度和不同方向的子图像,从而实现多尺度、多方向的特征提取和变换,gabor滤波器利用正弦波与高斯核的乘积,在不同方向和尺度上对图像进行滤波,以实现对纹理和边缘特征的敏感捕捉,提供多尺度、多方向的特征提取能力;分块特征先验的获取主要分为两步:第一步为利用图像质量评价指标ssim得到金属网栅正交两方向的周期,然后根据计算得到的网栅周期进行图像周期划分,得到各个周期块,第二步为取相似度、差异度、相关性、能量等...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。