引入人类视觉特性的带钢表面缺陷检测与识别方法研究

摘要

随着微电子技术和计算机技术的发展，机器在模拟人的行为上取得了很大突破，具有稳定、高效等特点。以机器代替人眼的基于机器视觉的工业应用系统成为现代生产自动化发展的一种趋势。机器视觉表面缺陷检测技术是传感器配合光源系统实现人眼对图像的获取，采用合适高效的图象处理算法和智能识别算法完成人脑对数据信息的处理。高速度、高精度的检测要求给视觉系统带来了庞大的数据量，如何提高系统对海量信息的处理和利用效率成为一个制约视觉检测系统发展的瓶颈问题。带钢表面缺陷具有类别多样、形态复杂的特点又使高实时性、高可靠性的图像处理算法研究成为机器视觉应用中一个非常关键的课题。
　　本文对人类视觉特性的研究给机器视觉的研究提供了启发和指导，主要研究内容和创新成果如下:
　　(1)从图像处理角度出发的检测方法研究已经极具规模，而从人类视觉角度出发的检测研究还处于起步阶段。引入人类视觉特性的带钢表面缺陷检测系统以人类分析和处理信息的特性对缺陷图像进行理解分析，扩充了机器视觉系统对于处理复杂数据的功能，对机器视觉检测系统相关的图像处理理论有促进和完善的作用。
　　(2)传统的基于图像灰度信息检测方法对微小缺陷和低对比度的缺陷类型并不敏感，难以实现对缺陷的完全检测。人类视觉系统利用注意机制从外界输入的大量信息中选择和保持有用信息，快速、准确定位一副图像的显著目标并且完成识别。本文提出一种基于人类视觉注意机制的带钢表面缺陷检测方法，利用Gabor滤波器多尺度、多分辨率的特点模拟人类视觉系统所具有的多通道和多分辨率特征，建立带钢表面缺陷检测模型。实验结果表明不但准确检测出图像中存在的低对比度及微小缺陷，得到区域焦点位置坐标，而且检测速度快，可以满足在线实时检测要求。
　　(3)视觉系统处理的图像为二维图像的灰度，它是三维物体几何特征、光照、物体材料表面性质、物体的颜色、摄像机参数等许多因素的函数，因此，对于机器视觉系统的研究要从不同方面、不同层次进行分析，提出相应的解决方法。选择双传感器与散射光和直射光相配合的系统硬件平台，突出图像对比度，改善系统分辨率，保证二维缺陷和三维缺陷无遗漏获取。通过分析光源的方向对表面缺陷检测的影响，构建纹理表面的反射模型，确定表面高度函数随光源角度变化的关系。实验结果表明应用不同方向光源作为特征的分割方法的误分率小于基于灰度统计值的分割方法。
　　(4)噪声、光照变化等复杂背景的干扰会给机器视觉系统的正确检测带来极大的挑战，提出一种基于序列滤波器的边缘检测方法，去除图像采集过程中引入的不同程度的脉冲噪声。相对于经典的中值滤波算法，序列滤波器中的总变分图像去噪方法的各相异性扩散项保证了滤波的同时很好地保持缺陷对比度，滤除噪声的同时很好地保持了缺陷的细节信息。定性和定量的实验分析中，峰值信噪比PSNR及均方根误差MSE图像滤波评价准则分布对比图也证明了提出方法的有效性。
　　(5)人类视觉系统对图像的识别是通过提取图像的特征完成对抽象物体的表征来实现的。Gabor滤波机制对视觉信号分解与人类视觉辨别纹理特征的方式类似，因此，可以通过Gabor滤波器来提取图像的纹理特征。由于纹理只是一种物体表面的特性，并不能完全反映出物体的本质属性，所以仅仅利用纹理特征是无法获得高层次图像内容的。结合灰度共生矩阵，提取空间和邻域信息描述场景信息，模拟人类视觉系统两个通路特性，这样输出的结果会产生更高的特征空间分离结果。采用Adaboost方法进行特征降维和缺陷分类，通过适应性权重技术和加权投票组合技术，有效地提高了组合分类器的识别率。通过对边缘锯齿、焊缝、夹杂、黄斑、抬头纹等5类常见缺陷进行分类实验，特征维数降低了70％,总体识别率高于其它几种常用分类器的识别率。

目录

论文说明

声明

摘要

第一章 绪论

1．1 课题研究背景和研究意义

1．2 带钢表面常见缺陷形态及成因

1．3 带钢表面缺陷检测技术的国内外研究现状

1．4 基于机器视觉的带钢表面缺陷检测系统相关技术研究

1．4．1 检测方法的研究

1．4．2 图像处理技术

1．4．3 图像识别技术

1．5 存在的问题分析及本文的主要研究内容

第二章 光源对带钢缺陷视觉检测系统的影响

2．1 机器视觉检测硬件系统设计

2．1．1 光源的种类及选择

2．1．2 传感器的种类及选择

2．1．3 带钢表面缺陷视觉检测系统光源配置模型

2．1．4 照明系统设计

2．2 光源对带钢表面缺陷检测的影响

2．3 光源方向性特征在缺陷分割与分类中的应用

2．4 实验结果及分析

2．5 本章小结

第三章 人类视觉特性的基本理论及注意机制

3．1 计算机视觉基础

3．2 人类视觉系统

3．2．1 人类视觉系统的生理结构

3．2．2 信息处理的主要特点

3．2．3 视觉认识过程

3．3 视觉注意机制

3．3．1 视觉注意机制原理

3．3．2 视觉注意机制在带钢表面缺陷检测系统中的应用

3．4 本章小结

第四章 引入人类视觉注意机制的带钢表面缺陷检测及边缘提取

4．1 基于机器视觉的带钢表面缺陷检测系统结构概述

4．2 目前带钢表面缺陷检测方法存在的问题

4．3 引入视觉注意机制的带钢表面缺陷检测方法

4．3．1 建立人类视觉检测的计算模型

4．3．2 确定缺陷区域

4．4 基于序列滤波器的带钢表面缺陷边缘提取

4．4．1 背景介绍

4．4．2 中值滤波

4．4．3 序列滤波器算法

4．4．4 图像的光照归一化

4．4．5 边缘检测及形态学后处理

4．5 实验结果及分析

4．5．1 实验一：缺陷检测实验

4．5．2 实验二：图像噪声滤除实验

4．5．3 实验三：光照归一化结果

4．5．4 实验四：缺陷边缘检测结果

4．6 本章小结

第五章 基于视觉特征提取的缺陷分类

5．1 特征的提取

5．1．1 灰度共生矩阵(GLCM)

5．1．2 Gabor filter特征提取

5．1．3 GLCM与Gabor filter相融合的多特征提取方法

5．2 特征降维

5．3 基于Adaboost的缺陷分类方法

5．4 实验结果与分析

5．4．1 组合特征降维实验结果与分析

5．4．2 多分类器识别方法实验结果与分析

5．5 本章小结

第六章 结论

参考文献

致谢

攻读博士学位期间发表论文情况

个人简介