有效的紋理缺陷檢測方法：子帶共現(xiàn)矩陣法

摘要：提出一種結合小波變換與共現(xiàn)矩陣用于紡織品圖像缺陷檢測的方法。首先將灰度圖像分解成子帶；然后將紋理圖像分割成互不重疊的子窗口，提取共現(xiàn)特征；最后用無缺陷樣品訓練的Mahalanobis分類器將每一子窗口劃分為缺陷的和無缺陷的。應用該算法進行實際工廠環(huán)境中的紡織品缺陷檢測。實驗結果表明，集中處理具有強判決能力的某一頻帶提高了檢測性能，也改善了計算效率。

關鍵詞：紋理缺陷分析;共現(xiàn)矩陣;小波濾波器

中圖分類號：TP391.41文獻標志碼：A

文章編號：1001-3695(2007)11-0057-03

0引言

視覺檢測是工業(yè)質量控制的重要組成部分，快速、專業(yè)的檢測設備的開發(fā)已經(jīng)加速了圖像處理算法在實際工業(yè)檢測問題中的應用。

紋理分析的一個應用領域是紋理圖像的缺陷檢測。紋理缺陷檢測就是確定紋理圖像中灰度或空間分布與背景紋理顯著不同的像素位置和幅度。多數(shù)紋理缺陷檢測應用都在紡織、造紙、鋼鐵和木材檢測行業(yè)，已經(jīng)有了很多用紋理處理進行檢測的應用。

本文提出子帶共現(xiàn)矩陣法，說明將應用信號處理提取頻率基特征的方法與SDCM得出的統(tǒng)計方法結合起來是紋理分析問題，特別是紋理缺陷檢測問題的一個很好的解決方案。

小波變換將圖像分解成多個頻率，用來確定攜帶多數(shù)紋理信息的頻帶并計算帶能。這可看做是降維或在特征提取前去除不相關的信息。因此，小波提供了圖像特征提取的魯棒方法。然后，從最能代表紋理的子帶共現(xiàn)矩陣中提取Haralick特征[1]。在檢測階段，Mahalanobis距離分類器用來確定測試圖像是否是有缺陷的。

3實現(xiàn)與結果

為驗證本文提出的算法，在實驗中使用CCD攝像機獲取了真實的紡織品圖像。數(shù)據(jù)庫包括36個256×256大小的八位灰度圖像。其中：17個沒有缺陷，而另19個包括有紡織品生產(chǎn)過程中常見的不同尺寸和特性的缺陷。用16個無缺陷圖像對系統(tǒng)進行訓練；其余的圖像用于測試算法。用Battle－Lemarie小波濾波器將原圖像分解成不同的子帶，分解濾波器的長度為16。在共現(xiàn)矩陣計算前，將子帶圖像量化為三級。這在提取ENT、CON、ASM和IDM特征時，節(jié)省了大量的計算，而對最終結果沒有明顯的影響。圖像掃描時所采用的窗口大小取決于圖像獲取時的攝像機分辨率和紡織品紋理特征以及缺陷局部化的方式。在實驗中，對原始圖像應用大小為32×32的子窗口性能最好。引入子窗口間的某種交疊，以更好地處理出現(xiàn)于鄰接單元間細的線條缺陷，在計算時間的代價下，性能可以得到一定改善。實驗中，特征提取算法的步驟c）中的常數(shù)C取為0．35。這樣，只有LL帶被保留下來了。用較小的C值作實驗，所有的四個帶都保留下來了，但并沒有明顯的改善。

4結束語

本文引入了基于SBCM特征的有效紋理缺陷檢測方法。當頻率成分主要集中于某一頻帶時，集中考慮那一頻帶，而忽略其他攜帶低分辨能力信息的所有頻帶，改善了檢測能力。總之，可以說應用于子帶圖像的方法優(yōu)于應用于原始圖像的方法。綜合考慮計算結果、計算復雜度和可靠性，SBCM法對工廠實時執(zhí)行是可行的。

致謝：感謝畢業(yè)于中國科學院的姜成山博士的指導與幫助。

參考文獻：

[1]姜濤，王安麟，王石剛，等.基于機器視覺的印刷電路板誤差校正方法[J].上海交通大學學報，2005，39(6):945-949.

[2]JASPER W J， GERNIER S J， POTLAPALLI H. Texture characte￣rization and defect detection using adaptive wavelets[J]. Optical Engineering， 1996，35(11)：3140-3149.

[3]SONG K Y， KITTLER J， PETROU M.Defect detection in random color textures[J]. Image and Vision Computing，1996，14(9)：667-683.

[4]CIAMBERLINI C， FRANCINI F， LONGOBARDI G， et al. Defect detection in textured materials with structured detectors and self adap￣table masks[J].Optical Engineering， 1996，35(3)：838-844.

[5]CAMPBELL J G， MURTAGH F. Automatic visual inspection of wo￣ven textiles using a 2－D stage defect detector[J]. Optical Enginee￣ring， 1998，37(9)：2536-2542.

[6]謝勇，王耀南，彭濤，等.基于機器視覺印品缺陷檢測的濾波算法[J].湖南大學學報：自然科學版，2005，32(4):53-57.

“本文中所涉及到的圖表、注解、公式等內(nèi)容請以PDF格式閱讀原文”