申请/专利权人：东南大学

申请日：2021-07-06

公开（公告）日：2024-03-26

公开（公告）号：CN113487569B

主分类号：G06T7/00

分类号：G06T7/00;G06T3/4038;G06T7/136;G06T7/37

优先权：

专利状态码：有效-授权

法律状态：2024.03.26#授权;2021.10.26#实质审查的生效;2021.10.08#公开

摘要：本发明公开了一种基于频域和空域结合的复杂背景图像缺陷检测方法和系统，该方法包括：将模板图像和样本图像转换到频域中进行匹配筛选异常频率成分，针对样本图像中的异常频率成分进行极坐标系反变换和傅里叶逆变换获得候选区域1；对样本图像的频域图像进行频域显著性检测得到显著性区域，去除显著性区域内背景频率成分获得候选区域2；对所述候选区域1和候选区域2取交集做傅里叶逆变换，得到备选缺陷区域；依据空域特征图像熵值对所述备选缺陷区域进行最终筛选。本发明提高了模板匹配方法的适应性和鲁棒性、降低了对模板和样本图像使用要求的同时也对复杂图像的线路缺陷达到了良好的检测效果。

主权项：1.一种基于频域和空域结合的复杂背景图像缺陷检测方法，其特征在于包括如下步骤：A、将模板图像和样本图像转换到频域中进行匹配，并将匹配成功的模板图像和样本图像的频域图像分别转换到极坐标系下筛选异常频率成分，针对样本图像中的异常频率成分进行极坐标系反变换和傅里叶逆变换获得候选区域1；B、对样本图像的频域图像进行频域显著性检测得到显著性区域，去除显著性区域内背景频率成分获得候选区域2；C、对所述候选区域1和候选区域2取交集做傅里叶逆变换，得到备选缺陷区域；D、依据空域特征图像熵值对所述备选缺陷区域进行最终筛选；所述步骤A包括：依据下述准则筛选异常频率成分：1模板图像与样本图像在方向θ上功率呈上升趋势 2模板图像与样本图像在方向θ上功率呈先上升后下降趋势 3模板图像与样本图像在方向θ上功率呈先下降后上升趋势 4模板图像与样本图像在方向θ上功率呈下降趋势 删除上述频率成分，对保留的频率成分进一步筛选出大小差异显著的异常部分，筛选条件如下： 其中，和分别表示大小为M×N的二维数字模板和样本图像中在极坐标系下相对中心点M2,N2距离为r方向为θ的点对应的功率，和分别表示模板图像上点在方向θ上的前后两点对应的功率，和分别表示样本图像上点在方向θ上的前后两点对应的功率，C为控制参数。

全文数据：

权利要求：

百度查询： 东南大学 基于频域和空域结合的复杂背景图像缺陷检测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD