【技術實現步驟摘要】
本專利技術涉及數據處理，尤其涉及一種瑕疵檢測方法、裝置、電子設備及存儲介質。
技術介紹
1、目前，由于競爭激烈的商業和制造業環境，制造業不得不面對以低成本生產高質量產品的持續挑戰。目視檢測作為保證產品質量的關鍵因素，在現代工業中發揮著越來越重要的作用。由于基于人類視覺的檢測通常昂貴、費力、耗時且由于操作員的主觀性和疲勞而容易出錯。
技術實現思路
1、本專利技術提出一種瑕疵檢測方法、裝置、電子設備及存儲介質，旨在至少在一定程度上解決相關技術中的技術問題之一，本專利技術實施例能夠準確高效實現瑕疵檢測。
2、一方面，本專利技術實施例提供了一種瑕疵檢測方法，包括：
3、獲取無瑕疵模板圖像，基于離散小波變換對無瑕疵模板圖像進行分解，基于分解結果整理得到小波域隱馬爾可夫樹模型；
4、基于小波域隱馬爾可夫樹模型，通過期望最大化算法訓練得到模型參數集；
5、基于模型參數集通過對數似然估計構建得到分類器；
6、基于分類器，提取得到待檢測的瑕疵圖像的瑕疵區域。
7、可選地，基于離散小波變換對無瑕疵模板圖像進行分解，基于分解結果整理得到小波域隱馬爾可夫樹模型，包括以下步驟：
8、對無瑕疵模板圖像進行離散小波變換，得到多個子帶；
9、基于子帶進行邊際統計，得到獨立混合模型；
10、其中，獨立混合模型關聯每個具有離散隱藏狀態變量的系數；
11、將獨立混合模型關聯的每個系數的邊際密度建模為雙
12、基于雙密度高斯混合模型，通過小方差捕獲高度填充的小值系數的分布，通過大方差高斯表示稀疏填充的大值小波系數的分布，得到小波域隱馬爾可夫樹模型。
13、可選地，基于小波域隱馬爾可夫樹模型，通過期望最大化算法訓練得到模型參數集，包括以下步驟：
14、執行期望步，通過計算小波域隱馬爾可夫樹模型的隱變量的后驗概率來最大化似然函數；
15、執行極大步，通過最大化觀測數據和隱變量的似然函數來更新參數；
16、返回執行期望步的步驟，通過反復迭代，直至達到預設收斂條件，根據每一輪迭代的參數整理得到模型參數集。
17、可選地，基于模型參數集通過對數似然估計構建得到分類器，包括以下步驟：
18、基于模型參數集進行對數似然估計整理得到對數似然圖；
19、將對數似然圖構成分類器。
20、可選地，基于分類器，提取得到待檢測的瑕疵圖像的瑕疵區域，包括以下步驟：
21、基于分類器，應用閾值過程提取得到瑕疵圖像的瑕疵區域的目標小波系數；
22、基于目標小波系數，通過對瑕疵圖像的逆二維小波變化進行修正，得到重建圖像；
23、其中，瑕疵圖像包括規則紋理背景和瑕疵區域；在重建圖像中，瑕疵區域被突出顯示。
24、可選地，應用閾值過程提取得到瑕疵圖像的瑕疵區域的目標小波系數，包括以下步驟：
25、將瑕疵圖像中的規則紋理背景對應的小波系數設置為零，以保留瑕疵區域對應的目標小波系數。
26、可選地，通過對瑕疵圖像的逆二維小波變化進行修正這一步驟之前，方法還包括以下步驟：
27、通過高通濾波器對瑕疵圖像進行圖像恢復。
28、另一方面，本專利技術實施例提供了一種瑕疵檢測裝置，包括：
29、第一模塊，用于獲取無瑕疵模板圖像，基于離散小波變換對無瑕疵模板圖像進行分解，基于分解結果整理得到小波域隱馬爾可夫樹模型；
30、第二模塊，用于基于小波域隱馬爾可夫樹模型，通過期望最大化算法訓練得到模型參數集；
31、第三模塊，用于基于模型參數集通過對數似然估計構建得到分類器；
32、第四模塊，用于基于分類器，提取得到待檢測的瑕疵圖像的瑕疵區域。
33、可選地，裝置還包括：
34、第五模塊，用于通過高通濾波器對瑕疵圖像進行圖像恢復。
35、另一方面，本專利技術實施例提供了一種電子設備，包括：處理器以及存儲器；存儲器用于存儲程序；處理器執行程序實現上述瑕疵檢測方法。
36、另一方面，本專利技術實施例提供了一種計算機存儲介質，其中存儲有處理器可執行的程序，處理器可執行的程序在由處理器執行時用于實現上述瑕疵檢測方法。
37、本專利技術實施例通過獲取無瑕疵模板圖像，基于離散小波變換對無瑕疵模板圖像進行分解，基于分解結果整理得到小波域隱馬爾可夫樹模型；基于小波域隱馬爾可夫樹模型，通過期望最大化算法訓練得到模型參數集；基于模型參數集通過對數似然估計構建得到分類器；基于分類器，提取得到待檢測的瑕疵圖像的瑕疵區域。本專利技術實施例通過使用小波域隱馬爾可夫樹(hmt)模型的布匹表面瑕疵檢測方法，使用hmt獲得正常樣本的圖片對數似然分布，計算效率更高，噪點更少，誤檢率更低。本專利技術能夠準確高效實現瑕疵檢測。
本文檔來自技高網...【技術保護點】
1.一種瑕疵檢測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的瑕疵檢測方法，其特征在于，所述基于離散小波變換對所述無瑕疵模板圖像進行分解，基于分解結果整理得到小波域隱馬爾可夫樹模型，包括以下步驟：
3.根據權利要求1所述的瑕疵檢測方法，其特征在于，所述基于所述小波域隱馬爾可夫樹模型，通過期望最大化算法訓練得到模型參數集，包括以下步驟：
4.根據權利要求1所述的瑕疵檢測方法，其特征在于，所述基于所述模型參數集通過對數似然估計構建得到分類器，包括以下步驟：
5.根據權利要求1所述的瑕疵檢測方法，其特征在于，所述基于所述分類器，提取得到待檢測的瑕疵圖像的瑕疵區域，包括以下步驟：
6.根據權利要求5所述的瑕疵檢測方法，其特征在于，所述應用閾值過程提取得到所述瑕疵圖像的所述瑕疵區域的目標小波系數，包括以下步驟：
7.根據權利要求5所述的瑕疵檢測方法，其特征在于，所述通過對所述瑕疵圖像的逆二維小波變化進行修正這一步驟之前，方法還包括以下步驟：
8.一種瑕疵檢測裝置，其特征在于，包括：
10.一種計算機存儲介質，其中存儲有處理器可執行的程序，其特征在于，所述處理器可執行的程序在由所述處理器執行時用于實現如權利要求1至7任一項所述的方法。
...【技術特征摘要】
1.一種瑕疵檢測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的瑕疵檢測方法，其特征在于，所述基于離散小波變換對所述無瑕疵模板圖像進行分解，基于分解結果整理得到小波域隱馬爾可夫樹模型，包括以下步驟：
3.根據權利要求1所述的瑕疵檢測方法，其特征在于，所述基于所述小波域隱馬爾可夫樹模型，通過期望最大化算法訓練得到模型參數集，包括以下步驟：
4.根據權利要求1所述的瑕疵檢測方法，其特征在于，所述基于所述模型參數集通過對數似然估計構建得到分類器，包括以下步驟：
5.根據權利要求1所述的瑕疵檢測方法，其特征在于，所述基于所述分類器，提取得到待檢測的瑕...
【專利技術屬性】
技術研發人員：蔡奕杰，
申請(專利權)人：天翼物聯科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。