基于紋理特征聚類的磁瓦表面缺陷檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及機(jī)器視覺領(lǐng)域，具體是指一種通過紋理特征聚類分析對磁瓦表面缺陷 檢測識別的方法。
【背景技術(shù)】
[0002] 鐵氧體磁瓦是主要用于永磁電機(jī)上的一種瓦狀磁鐵，其品質(zhì)的高低直接影響了永 磁電機(jī)的整體性能。在磁瓦生產(chǎn)過程中，由于工藝問題，磁瓦表面容易出現(xiàn)裂紋、破損、麻點 等缺陷，直接影響了磁瓦的正常使用。目前工業(yè)生產(chǎn)中對磁瓦表面缺陷的判斷基本采用人 工檢測，檢測精度差、檢測效率低且勞動力成本高。
[0003] 隨著機(jī)器視覺的不斷發(fā)展，基于機(jī)器視覺的缺陷檢測技術(shù)已經(jīng)開始在工業(yè)產(chǎn)品表 面質(zhì)量監(jiān)控中得到廣泛應(yīng)用，利用機(jī)器視覺自動檢測能夠提高企業(yè)的生產(chǎn)效率、降低勞動 成本，增加企業(yè)的競爭力。然而針對磁瓦送一產(chǎn)品，本身具有灰度差不明顯，且表面存在一 定的弧度的特點，導(dǎo)致光照不易均勻，圖像灰度對比度低，因此需要開發(fā)出特定的檢測算法 來完成缺陷提取識別。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明針對上述存在的問題，提供了一種基于紋理特征聚類的磁瓦表面缺陷提取 識別方法，實現(xiàn)磁瓦缺陷的自動檢測。
[0005] 本發(fā)明所解決的技術(shù)問題是提供一種基于紋理特征聚類的磁瓦表面缺陷提取識 別算法。利用Gabor核函數(shù)構(gòu)造能量譜表征磁瓦表面紋理特征，克服光照、尺度、角度等干 擾；采用自定義系數(shù)修正Gabor能量譜，然后利用模糊C均值聚類算法對修正后Gabor能量 譜圖像分割出缺陷紋理和正常紋理區(qū)域；最后根據(jù)聚類分割后區(qū)域灰度變化特征快速、有 效地提取識別缺陷區(qū)域。算法包括W下步驟。
[0006] 第一步：利用G油or核函數(shù)構(gòu)造能量譜表征磁瓦表面的紋理特征，采用G油or核函 數(shù)對原始圖像卷積計算，得到8方向的Gabor能量譜，并用0度、45度、90度、135度方向的 能量譜疊加表征磁瓦表面的紋理特征。
[0007] 第二步：構(gòu)造自定義系數(shù)譜修正G油or能量譜，通過自定義系數(shù)譜與G油or能量譜 相乘，得到修正的Gabor能量譜，并確定聚類簇數(shù)為3, W優(yōu)化聚類效果。
[0008] 第H步：利用模糊C均值（FCM)聚類算法對修正的G油or能量譜分割圖像，由于確 定的聚類簇數(shù)為3,則紋理特征分成3類區(qū)域。
[0009] 第四步，識別3類區(qū)域中的缺陷區(qū)域，完成磁瓦缺陷分割和提取，根據(jù)過質(zhì)點的水 平線和垂直線上的灰度變化特性，判斷缺陷處于的區(qū)域。
[0010] 進(jìn)一步的，所述第一步具體為。
[0011] (1) G油or 核函數(shù)。
[0012] 義用通用的夏2-D G油or核函數(shù),夏2-D G油or核函數(shù))是由局斯函數(shù)調(diào)制 的復(fù)正弦函數(shù)，其數(shù)學(xué)表達(dá)式為。
[0013]
[0014] 式中，^二任r;為圖像像素點，其中，r分別為圖像中的橫坐標(biāo)和縱坐標(biāo)；" 和:V分別表示Gabor小波的方向和尺度
表示摸運算;i為復(fù)數(shù)算子；為高斯函數(shù)的半 徑，規(guī)定了二維Gabor小波的尺寸大小
為核函數(shù)的中必頻率，讀體現(xiàn)了濾波器的方向 選擇性。
[0015] 本發(fā)明利用上述數(shù)學(xué)公式并確定參數(shù)：

O
[0016] (2)構(gòu)造 G油or能量譜。
[0017] 通過G油or核函數(shù)與磁瓦表面圖像卷積計算得到G油or能量譜，W描述紋理特征， 設(shè)^任為圖像的灰度值，其中，r分別為圖像中的橫坐標(biāo)和縱坐標(biāo)，則卷積值0任 r/?值如為。
[0018]
[0019] 相應(yīng)的幅度譜#任和相位譜巧^片為。
[0020]
[0021]
[0022] 其中ReO為取復(fù)數(shù)實部函數(shù)，ImO為復(fù)數(shù)的虛部函數(shù)。幅度譜#任足W表 示Gabor能量譜，所W本發(fā)明采用能量譜數(shù)學(xué)值上用幅度譜代替。通過分析，缺陷存在于 0-180度之間范圍，故選用0度、45度、90度和135度四個方向的能量譜。
[0023] (3)構(gòu)造 G油or能量總譜。
[0024] 四方向的G油or能量譜尚，做，化'，做分別表示了四個方向的紋理特征，如果直接 對四方向能量譜分別聚類，則存在重復(fù)計算，缺陷特征不明顯等缺點，所W本發(fā)明將四方向 能量譜疊加，得到能量總譜#5'，既增強(qiáng)了缺陷的紋理特征，同時減少了計算量。
[00 巧]
[0026] 所述第二步具體為。
[0027] 構(gòu)造一個自定義乘積系數(shù)譜辟>，>'），通過自定義系數(shù)譜盧(Xy)與G油or能量譜 相乘得到修正后的G油or能量譜iZK。
[0028] 在必5'中，主要存在H個區(qū)域，分別是正常紋理區(qū)域、光照不均勻區(qū)域和缺陷區(qū)域， 且光照不均勻區(qū)域和缺陷區(qū)域在Gabor能量譜中幅值大小相近，影響了聚類分割，本發(fā)明 通過局部灰度特征構(gòu)造自定義能量系數(shù)譜修正G油or能量譜，W優(yōu)化聚類算法。假設(shè)磁瓦 表面某點的灰度值為g任，計算W該點為中必的邊長為n的正方向框內(nèi)的平均灰度值 /??任術(shù)^和標(biāo)準(zhǔn)差^/任_^入通過如下公式得到自定義系數(shù)譜巧：1'，_>')。
[0029]
[0030] 其中趕為標(biāo)準(zhǔn)差影響因子，當(dāng)鞋邪n偏大時整個圖像都有較高值的系數(shù)譜，孩的取 值范圍為-1. 5~1. 5,n的取值范圍為5~15。
[003。 將自定義乘積系數(shù)譜盧托?>'>與G油or能量總譜按點相乘，得到修正后的G油or能 量譜#化*。
[0032]
[0033] 所述第H步具體為。
[0034] 通過修正后的G油or能量譜分析，有3個區(qū)域特征明顯區(qū)分，故將模糊C均值聚類 算法（FCM)中的參數(shù)模糊簇簇數(shù)C確定為3。FCM算法是一種數(shù)據(jù)分類的算法，具體方法為 把打個向量馬:曼二分成C個模糊簇，并求得每個簇的聚類中必，使得目標(biāo)函數(shù)達(dá)到最 小，F(xiàn)CM的目標(biāo)函數(shù)(掉W -般表示為。
[0035]
[0036]
[0037] 其中，巧細(xì)::=食雖巧扣巧烘，為第^類的中必點，麻表示第左個樣本屬于;軟類的 隸屬度，(l<w<m )為控制模糊度的權(quán)重指數(shù)。為了使目標(biāo)函數(shù)達(dá)到最小，聚類中必和 隸屬度的更新如下。
[0038]
[0039]
[0040] 其中；京:=策2".趙牽斜泌:?:揮.。
[0041] 當(dāng)目標(biāo)函數(shù)達(dá)到最小時，即可獲得當(dāng)前數(shù)據(jù)劃分的最優(yōu)解，根據(jù)最優(yōu)解對應(yīng)的隸 屬度函數(shù)值，將數(shù)據(jù)樣本進(jìn)行區(qū)域分割。
[0042] 為約束FCM算法，本發(fā)明做了迭代次數(shù)設(shè)置最大迭代次數(shù)為25^100,判別最小值 范圍為 0. ooocn ~0.0001。
[0043] 所述第四步具體為。
[0044] 經(jīng)過聚類分析，修正G油or能量譜圖像經(jīng)FCM聚類后得到3個區(qū)域，利用區(qū)域內(nèi)的 灰度值變化特性將缺陷區(qū)域從圖像中提取，完成磁瓦缺陷圖像的分割。本發(fā)明根據(jù)過質(zhì)必 點的水平和垂直直線上灰度變化特性提取缺陷。具體步驟如下。
[0045] (1)通過如下數(shù)學(xué)表達(dá)式確定每個區(qū)域的質(zhì)必幻X，.&)，％為質(zhì)必的橫坐標(biāo)，為 質(zhì)必縱坐標(biāo)。
[0046]
[0047] U為區(qū)域內(nèi)像素總數(shù)，i表示某點數(shù)據(jù)。取質(zhì)必所在的水平和豎直兩方面的數(shù)據(jù)， 并組成兩個一維數(shù)組扣〇, A，…叫}，柳D，.wi，….W;}。左表示水平方向數(shù)據(jù)總數(shù)，7表示豎直 方向數(shù)據(jù)總數(shù)。
[0048] (2)先對兩組數(shù)據(jù)進(jìn)行中值濾波去除尖峰點，再將前后步長r的數(shù)據(jù)差分計算即 得到兩組差值，用{加。，AKi…，恤?3日，化
[0049]
[0050]
[0051] (3)對送兩組數(shù)據(jù)前后的符號變換進(jìn)行計數(shù)，如果正負(fù)變換次數(shù)低于所設(shè)闊值巧 則判定所處的區(qū)域為缺陷紋理區(qū)域。綜合數(shù)據(jù)中噪聲干擾，巧設(shè)定為2-8。
[0052] 本發(fā)明的優(yōu)點：利用G油or能量譜能夠有效地表征磁瓦表面的紋理特征；通過修 正后的G油or能量譜設(shè)定FCM的模糊簇數(shù)，并區(qū)分出正常紋理和缺陷紋理；FCM聚類實現(xiàn)精 確地缺陷分割；區(qū)域灰度值差分，快速、準(zhǔn)確完成對磁瓦表面的缺陷提取。該算法可W有效 地克服噪聲干擾，算法準(zhǔn)確率高，且對不同缺陷的適應(yīng)性好，可靠性高。
【附圖說明】
[0053] 圖1本發(fā)明算法流程圖。
[0054] 圖2本發(fā)明的測試圖。
【具體實施方式】
[0055] 下面結(jié)合具體附圖和實施例對本發(fā)明進(jìn)一步說明。
[005引如圖1所示，為本發(fā)明的算法流程圖。
[0057] 第一步：利用G油or核函數(shù)構(gòu)造能量譜表征磁瓦表面的紋理特征，采用G油or核函 數(shù)對原始圖像卷積計算，得到8方向的Gabor能量譜，并用0度、45度、90度、135度方向的 能量譜疊加表征磁瓦表面的紋理特征。
[0058] 第二步：構(gòu)造自定義系數(shù)譜修正G油or能量譜，通過自定義系數(shù)譜與G油or能量譜 相乘，得到修正的Gabor能量譜，并確定聚類簇數(shù)為3, W優(yōu)化聚類效果。
[005引第立步：利用模糊C均值（FCM)聚類算法對修正的G油or能量譜分割圖像，由于確 定的聚類簇數(shù)為3,則紋理特征分成3類區(qū)域。
[0060] 第四步，識別3類區(qū)域中的缺陷區(qū)域，完成磁瓦缺陷分割和提取，根據(jù)過質(zhì)點的水 平線和垂直線上的灰度變化特性，判斷缺陷處于的區(qū)域。
[0061] 進(jìn)一步的，所述第一步具體為。
[0062] (I) G油or 核函數(shù)。
[0063] 義用通用的夏2-D 6油〇1"核函數(shù),夏2-D 6油〇1"核函數(shù)^1,?.(感是由局斯函數(shù)調(diào)制 的復(fù)正弦函數(shù)，其數(shù)學(xué)表達(dá)式為。
[0064]
[0065] 式中，滬任為圖像像素點，其中，r分別為圖像中的橫坐標(biāo)和縱坐標(biāo)；"和 W分別表示Gabor小波的方向和尺度
表示摸運算；i為復(fù)數(shù)算子；為高斯函數(shù)的半 徑，規(guī)定了二維G油or小波的尺寸大??；
為核函數(shù)的中必頻率，苗體現(xiàn)了濾波器的方向 選擇性。
[0066] 本發(fā)明利用上述數(shù)學(xué)公式并確定參數(shù)；

[0067] 似構(gòu)造 G油or能量譜。
[0068] 通過G油or核函數(shù)與磁瓦表面圖像卷積計算得到G油or能量譜，W描述紋理特征， 設(shè)^任為圖像的灰度值，其中，r分別為圖像中的橫坐標(biāo)和縱坐標(biāo)，則卷積值0任 值如為。
[0069]
[0070] 相應(yīng)的幅度譜#任，和相位譜巧x，>y)為。
[0071]
[0072]
[0073] 其中ReO為取復(fù)數(shù)實部函數(shù)，ImO為復(fù)數(shù)的虛部函數(shù)。幅度譜#任足W表 示Gabor能量譜，所W本發(fā)明采用能量譜數(shù)學(xué)值上用幅度譜代替。通過分析，缺