申请/专利权人：哈尔滨工业大学

申请日：2024-01-23

公开（公告）日：2024-05-07

公开（公告）号：CN117994211A

主分类号：G06T7/00

分类号：G06T7/00;G06V10/764;G06V10/80;G06V10/82

优先权：

专利状态码：在审-公开

法律状态：2024.05.07#公开

摘要：本发明公开了一种基于多维先验和融合显著图的金属网栅缺陷检测方法，由光学成像系统采集金属网栅图像，进行同态滤波处理，得到均衡的灰度图像I；对I提取基于方向可操纵金字塔和Gabor滤波器的多维纹理特征先验以及基于邻域差异性参数计算的分块特征先验进行像素级特征融合得到先验图P；将P带入到鲁棒主成分分析得到WNRPCA，采用ADMM算法求解得到稀疏矩阵E；对E分层进行后验掩膜处理和阈值分割，得到分层显著图并做特征融合得到缺陷检测结果。本发明构造多维特征先验，优化引导低秩分解流程，通过先验信息构建后验掩膜矩阵，辅助显著图分层处理，消除了杂散噪点对缺陷分离过程的干扰，同时具有很好的泛化应用能力。

主权项：1.一种基于多维先验和融合显著图的金属网栅缺陷检测方法，其特征在于，该方法包括如下步骤：步骤1：利用光学成像系统采集金属网栅图像作为模型的输入图像；步骤2：对步骤1的输入图像进行同态滤波操作，得到均衡的灰度图像I；步骤3：针对步骤2得到的灰度图像I，引入方向可操纵金字塔和Gabor滤波器作为像素级纹理特征描述符，构造18维纹理特征先验；利用图像质量评价指标SSIM计算纹理周期，依据纹理周期将输入图像I划分周期块，并对周期块进行差异对比构造分块特征先验；将纹理特征先验和分块特征先验作像素级融合，得到灰度图像I的先验图P；步骤4：将步骤3得到的先验图P对应的权重矩阵W＝exp-P与步骤2得到的灰度图像I代入至本发明的WNRPCA模型中，并采用ADMM法求解，得到最优化的低秩矩阵L和稀疏矩阵E；步骤5：将步骤4得到的稀疏矩阵E进行显著图生成，利用步骤3的先验图P构造后验掩膜M，同时对稀疏矩阵E分层处理，分层矩阵与后验掩膜M进行哈达玛乘积运算，并进行阈值分割得到分层显著图，对分层显著图做特征融合，最终得到缺陷检测结果。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学 一种基于多维先验和融合显著图的金属网栅缺陷检测方法

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