【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)屬于圖像處理與計算機視覺領(lǐng)域，具體指一種基于多維先驗和融合顯著圖的金屬網(wǎng)柵缺陷檢測方法。
技術(shù)介紹
1、近年來，隨著電磁技術(shù)的廣泛應用，給生活帶來便利的同時，也使得電磁環(huán)境日益復雜，造成了電磁污染問題。因此在諸多領(lǐng)域提出了電磁屏蔽的性能要求，電磁屏蔽技術(shù)應運而生。同時隨著高新技術(shù)的不斷發(fā)展和多種場景下對目標可觀測性的任務要求，透明電磁屏蔽技術(shù)得到了廣泛的研究和發(fā)展，在電磁屏蔽
，一個重點且是難點的問題是可觀測場景下的電磁屏蔽。例如，在航空航天領(lǐng)域，為了實現(xiàn)對目標的精密觀測和探測，要求飛行器的光窗在可見光和紅外光波段具有高透過性，同時為了保護飛行器內(nèi)的精密光學儀器免受電磁干擾的影響，光窗也要求具備微波波段的強電磁屏蔽特性。
2、金屬網(wǎng)柵是一種將金屬薄膜制成的柵網(wǎng)狀結(jié)構(gòu)，通過將其結(jié)構(gòu)單元的尺寸形狀等進行設計，可以實現(xiàn)較高的透光率和較大的電磁屏蔽性能以及較高的成像質(zhì)量。因此金屬網(wǎng)柵被廣泛應用到可觀測場景下的電磁屏蔽領(lǐng)域。
3、然而在金屬網(wǎng)柵實際生產(chǎn)和使用過程中，網(wǎng)柵結(jié)構(gòu)會由于操作加工不當、沙石刮擦、磨損、化學成分腐蝕等多種影響因素，導致其表面產(chǎn)生異物附著、金屬附著、斷線等多種類型的缺陷。這些缺陷會對金屬網(wǎng)柵屏蔽性能產(chǎn)生影響，需要進行檢測。但由于這些缺陷大多數(shù)結(jié)構(gòu)十分微小，難以被肉眼發(fā)現(xiàn)，而工程人員利用成像系統(tǒng)目測和比對會存在視場小，檢測時間長，十分依賴經(jīng)驗和耗費精力等問題。
4、針對金屬網(wǎng)柵領(lǐng)域的缺陷檢測相關(guān)的專利和論文較少，專利201410131635.5公開了一種檢測與識別金屬網(wǎng)
5、金屬網(wǎng)柵圖像是具有柵網(wǎng)狀結(jié)構(gòu)的紋理性表面。漁網(wǎng)、鋼絲繩、保險絲、制藥設備制藥過程篩網(wǎng)等應用背景下的圖像也具備類似柵網(wǎng)狀結(jié)構(gòu)，專利202211107376.3公開了一種基于圖像理解的深海漁網(wǎng)生產(chǎn)過程缺陷檢測方法，主要通過傾斜角度和質(zhì)心獲得漁網(wǎng)的質(zhì)量評價。該方法需要求漁網(wǎng)具有網(wǎng)結(jié)分布均勻性和大小均勻性；專利202211250385.8公開了一種鋼絲繩缺陷檢測方法，主要是應用超像素分割以及邊緣檢測，該方法的超像素塊數(shù)量和閾值需要預設置，參數(shù)泛化能力較差；專利202211171268.2公開了一種合金型溫度保險絲的缺陷檢測方法和系統(tǒng)，該方法主要通過形態(tài)學方法、輪廓曲線斜率等不同檢測策略分別檢測保險絲的不同類別缺陷，多種檢測算法簡單且高效，但難以對合金型溫度保險絲缺陷實現(xiàn)智能化檢測；專利202211186223.2公開了一種制藥設備制藥過程篩網(wǎng)缺陷檢測方法及系統(tǒng)，主要涉及頻譜變化，該方法中的高亮點數(shù)量需要預先設置。以上多種類似柵網(wǎng)狀表面的檢測不能在金屬網(wǎng)柵上有一個較好的檢測。
6、在金屬網(wǎng)柵缺陷檢測模型中，構(gòu)造缺陷先驗是指在模型運算前引入對缺陷的先驗信息，以幫助模型更準確地識別和定位缺陷。這種先驗信息可以是關(guān)于缺陷形狀、大小、位置等方面的知識，用于指導模型在訓練和檢測過程中更好地理解和利用缺陷的特征。缺陷先驗提供了額外的信息，使模型更具魯棒性，能夠更好地適應不同場景下的缺陷變化，同時可以提高檢測準確性，加速模型收斂速度。多維先驗是對缺陷在多個維度上的特征進行建模和描述的先驗信息，能夠更全面地描述缺陷并具有更強的適應性。
7、在多維先驗領(lǐng)域，專利201510897635.0公開了一種基于前景背景優(yōu)化的rgb-d顯著物體檢測方法。該專利技術(shù)基于底層特征對比度構(gòu)造超像素級別初始顯著圖，對初始顯著圖引入中層聚合處理實現(xiàn)中級顯著圖，對中級顯著圖引入高層先驗獲得前景概率。該專利技術(shù)優(yōu)化了前景背景度量框架，適合物體顯著性檢測，但由于金屬網(wǎng)柵具備嚴格周期性，超像素分割不利于描述真實缺陷特征；專利201810053582.8公開了一種基于多特征擴散的圖像顯著性檢測方法及終端。該專利技術(shù)融合背景先驗、顏色先驗和位置先驗構(gòu)造高層先驗，實現(xiàn)對顯著性物體邊緣的精確檢測，該專利技術(shù)更適合于符合人眼注意力機制的彩色圖像；專利201910801714.5公開了一種基于低秩矩陣恢復的圖像顯著性目標檢測方法。該專利技術(shù)的高層先驗與專利201810053582.8較為一致，通過融合背景、顏色、位置先驗獲得高層先驗信息進行后續(xù)處理；專利201910905112.4公開了基于顯著性標簽信息傳播模型的板帶鋼表面缺陷檢測方法。該專利技術(shù)中多維特征向量采用mr8濾波器方差響應的性質(zhì)描述子、schmid濾波器方差響應的性質(zhì)描述子、g5濾波器方差響應的性質(zhì)描述子等多維特征描述符，實現(xiàn)對紋理特征的描述；以上專利技術(shù)的先驗矩陣例如顏色和位置先驗更適合于符合人眼注意力機制的彩色圖像，對金屬網(wǎng)柵缺陷圖像的特征描述困難，難以輔助檢測。
8、顯著圖特征融合是指將多個顯著圖中提取的特征進行合并或整合，以獲得更全面、更準確的信息。可以強調(diào)顯著區(qū)域、豐富顯著特征。目前多數(shù)顯著圖特征融合用于輸入圖像處理、先驗構(gòu)造、缺陷檢測等。專利201811217224.2公開了一種多紋理分級融合的織物缺陷檢測方法及其裝置。該專利技術(shù)提取tamura紋理特征、局部相位量化特征和經(jīng)緯向紋理特征并進行分級融合，生成多特征融合圖，將所述多特征融合圖與織物紋理分布特征進行比對，從而對所述目標織物進行檢測；專利202310480994.0公開了一種高墩大跨徑連續(xù)剛構(gòu)橋橋墩沉降位移監(jiān)測方法及系統(tǒng)。該專利技術(shù)利用5種殘差網(wǎng)絡構(gòu)成編碼器和解碼器并通過各層輸出顯著圖融合實現(xiàn)最終預測結(jié)果。專利202210588230.9公開了一種焊接缺陷檢測圖像信息分層融合方法。該專利技術(shù)采用基于顯著性的方法獲取焊縫特征的底層顯著圖，同時利用pcnn網(wǎng)絡對焊接缺陷區(qū)域進行提取，獲得焊縫特征的中層信息顯著圖，融合中層信息顯著圖與底層顯著圖獲取缺陷檢測結(jié)果。這些顯著圖特征融合策略不適用于以金屬網(wǎng)柵為代表的復雜周期性紋理圖像的后處理環(huán)節(jié)。
9、綜上所述，現(xiàn)有金屬網(wǎng)柵缺陷檢測方法研究較少且在復雜紋理情況下性能難以保證。在表面缺陷檢測領(lǐng)域，多維先驗可以在模型運算前提供多維度的缺陷特征，以指導模型在訓練和檢測過程中更好地理解和利用。融合顯著圖策略是在模型運算后對獲取的多個顯著圖進行特征合并或融合，實現(xiàn)更準確的缺陷描述，兩者對缺陷檢測模型的性能起到重要作用。但目前的多維先驗方法，例如顏色和位置先驗更適合于符合人眼注意力機制的彩色圖像，不適用于金屬網(wǎng)柵的缺陷描述，難以對其檢測模型提供指導。目前現(xiàn)有融合顯著圖策略大多應用于輸入圖像處理、先驗構(gòu)造、缺陷檢測等，難以應用到缺陷檢測本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種基于多維先驗和融合顯著圖的金屬網(wǎng)柵缺陷檢測方法，其特征在于，該方法包括如下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于多維先驗和融合顯著圖的金屬網(wǎng)柵缺陷檢測方法，所述步驟3中，先驗圖P由紋理特征先驗和分塊特征先驗像素級融合得到，其中，紋理特征先驗是由方向可操縱金字塔和Gabor濾波器構(gòu)造的18維特征矩陣融合而成，方向可操縱金字塔通過采用高階導數(shù)作為基函數(shù)，進而對圖像線性分解，得到不同尺度和不同方向的子圖像，從而實現(xiàn)多尺度、多方向的特征提取和變換，Gabor濾波器利用正弦波與高斯核的乘積，在不同方向和尺度上對圖像進行濾波，以實現(xiàn)對紋理和邊緣特征的敏感捕捉，提供多尺度、多方向的特征提取能力；分塊特征先驗的獲取主要分為兩步：第一步為利用圖像質(zhì)量評價指標SSIM得到金屬網(wǎng)柵正交兩方向的周期，然后根據(jù)計算得到的網(wǎng)柵周期進行圖像周期劃分，得到各個周期塊，第二步為取相似度、差異度、相關(guān)性、能量等評價函數(shù)構(gòu)造多維信息指標，以每個周期塊為計算單元，對其四鄰域根據(jù)多維信息指標計算差異值，將差異值賦值給周期塊，并將其確定為灰度圖像I的分塊特征先驗，同時為提高先驗矩陣精細度，在每個周期塊
3.根據(jù)權(quán)利要求1所述的一種基于多維先驗和融合顯著圖的金屬網(wǎng)柵缺陷檢測方法，所述步驟4中構(gòu)造WNRPCA模型如下：
4.根據(jù)權(quán)利要求1所述的一種基于多維先驗和融合顯著圖的金屬網(wǎng)柵缺陷檢測方法，所述步驟5中，進行顯著圖融合和閾值分割操作，由于金屬網(wǎng)柵的三種主要缺陷類型分處稀疏矩陣的正負兩部分，斷線缺陷處于稀疏矩陣的負值部分，異物附著缺陷和金屬附著缺陷處于稀疏矩陣的正值部分，直接進行閾值分割會導致噪聲淹沒真實缺陷，因此本專利技術(shù)提出顯著圖融合框架，主要步驟為：
...【技術(shù)特征摘要】
1.一種基于多維先驗和融合顯著圖的金屬網(wǎng)柵缺陷檢測方法，其特征在于，該方法包括如下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于多維先驗和融合顯著圖的金屬網(wǎng)柵缺陷檢測方法，所述步驟3中，先驗圖p由紋理特征先驗和分塊特征先驗像素級融合得到，其中，紋理特征先驗是由方向可操縱金字塔和gabor濾波器構(gòu)造的18維特征矩陣融合而成，方向可操縱金字塔通過采用高階導數(shù)作為基函數(shù)，進而對圖像線性分解，得到不同尺度和不同方向的子圖像，從而實現(xiàn)多尺度、多方向的特征提取和變換，gabor濾波器利用正弦波與高斯核的乘積，在不同方向和尺度上對圖像進行濾波，以實現(xiàn)對紋理和邊緣特征的敏感捕捉，提供多尺度、多方向的特征提取能力；分塊特征先驗的獲取主要分為兩步：第一步為利用圖像質(zhì)量評價指標ssim得到金屬網(wǎng)柵正交兩方向的周期，然后根據(jù)計算得到的網(wǎng)柵周期進行圖像周期劃分，得到各個周期塊，第二步為取相似度、差異度、相關(guān)性、能量等...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：陸振剛，秦鴻圣，譚久彬，
申請(專利權(quán))人：哈爾濱工業(yè)大學，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。