基于二維信息熵金屬板帶表面缺陷提取方法

專利名稱：基于二維信息熵金屬板帶表面缺陷提取方法
技術領域：
本發明涉及一種基于二維信息熵冶金板帶表面缺陷在線自適應提取方法，用于板
帶表面質量檢測。
背景技術：
表面檢測系統是冶金板帶材質量控制系統的重要組成部分，而表面缺陷提取方法 是表面檢測系統中的關鍵技術。 隨著有色加工技術的不斷創新和進步，有色帶材加工成品表面質量要求的提高以 及加工過程中產品質量跟蹤，對于加工工藝流程的控制都使得表面缺陷檢測系統扮演著越 來越重要的角色，其中表面缺陷提取技術的有效性決定了表面檢測系統的檢測性能。目前 國內無論是對于引進的設備還是對于自行研制的實驗性檢測設備，均遇到對于檢測目標的 定位效果不是很好，容易受到材料類型的不同、板型狀況不好、環境干擾以及大量良性附著 物等因素的影響。 表面缺陷檢測系統作為質量控制系統的關鍵組成部分，分布于基礎自動化和過程 控制系統二級系統中，起著對產品的在線質量檢測、成品管理以及對材料的加工工藝流程 控制等作用。而這些功能的實現都要以材料表面異常的快速有效定位為重要前提，而該環 節又受制于上述各項因素的影響，因此如何尋找有效的缺陷提取方法是表面檢測系統提高 缺陷檢測和識別率的重要途徑。

發明內容
本發明的目的是克服現有技術存在的不足，提供一種基于二維信息熵冶金板帶表 面缺陷在線自適應提取方法，旨在解決板帶表面質量檢測系統中的缺陷提取問題。
本發明的目的通過以下技術方案來實現 基于二維信息熵金屬板帶表面缺陷提取方法，特點是首先對由線陣傳感器采集 來的材料表面圖像數據采用高斯平滑算子對其進行高斯平滑，接著針對目標進行圖像空域 增強；然后采用基于直方圖的二維熵自適應閾值的方法對圖像進行缺陷目標分割；最后用 形態學中的閉運算去除目標內部的孤立點和噪聲，改善區域的聯通性，得到最終的缺陷圖 像；包括以下步驟 ①用平滑算子對采集的材料表面圖像進行巻積運算，去除圖像的噪音；
②對平滑后的圖像進行空域增強，以增強目標； ③利用二維信息熵的方法對圖像進行缺陷分割，得到一個分割后的圖像； ④對分割后的圖像利用形態學中閉運算對其進行處理，去除缺陷目標內部的孤立
點和噪音，改善圖像區域的連通性，得到最終的板帶表面缺陷圖像。 進一步地，上述的基于二維信息熵金屬板帶表面缺陷提取方法，其中，平滑算子是 高斯平滑算子；空域增強采用拉普拉斯算子；二維信息熵采用的信息熵是圖像二維直方圖 信息熵；閉運算算子是一個所有元素為1的模版。
3
本發明技術方案突出的實質性特點和顯著的進步主要體現在 本發明方法首先通過高斯平滑和空域增強，去除圖像噪音，增強要提取的目標，為 閾分割提供一個高質量的圖像；而后采用基于二維信息熵的方法對圖像進行缺陷分割，分 割過程中最大程度的利用了圖像中目標和背景所包含的信息，消除了圖像中噪聲點、邊緣 點和雜質點的影響，同時由于不僅利用了像素灰度信息，還利用了其鄰域的信息，相比于一 維信息熵的方法，極大的減少了噪聲等異質點被誤分割為缺陷目標的概率，而且對于明暗 場圖像均適合；但由于閾分割是一個主觀的過程，所得的二值圖像可能包含不需要或不想 要的信息，因此最后采用形態學中的閉運算算子對分割后的圖像進行區域連通，去掉目標 中的孤立或噪聲點，將斷了的目標連起來，定位出最終的缺陷圖；這幾步，步步緊扣，相輔相 成，提高了缺陷定位精度。缺陷定位精確、效率高且占用資源少，為后續檢測技術的精度提 供了保證。本發明的方法簡單穩定可靠，有效解決了傳統基于灰度異常方法的板帶表面質 量檢測系統在遇到大量良性缺陷及板型干擾時出現提取失效、易造成系統數據總線出現癱 瘓等問題，有效目標提取率得到較大的增強。


下面結合附圖對本發明技術方案作進一步說明圖1 :本發明所用的高斯濾波器的高斯核；圖2 :尺寸為3的高斯核的一個示例；圖3 :尺寸為5的高斯核的一個示例；圖4 :本發明空域增強所用的拉普拉斯核；圖5 :拉普拉斯核的一個示例；圖6 :圖像關于灰度值-區域灰度均值的二維直方圖的二維灰度空間示意7 :本發明中閉運算所使用的模版；圖8:本發明的流程圖。
具體實施例方式
本發明提供一種基于二維信息熵冶金板帶表面缺陷在線自適應提取方法，首先， 對采集來的源圖像進行高斯平滑；然后，對平滑后的圖像針對缺陷目標進行空間域的增強； 再用自適應熵的方法對前面處理后的圖像進行缺陷目標分割；接著，形態學中的方法對分 割后的二值圖像法進行閉運算，改善其連通性得到最終的缺陷圖像；其流程是
①用平滑算子對采集的材料表面圖像進行巻積運算，去除圖像的噪音；其中，平滑 算子是高斯平滑算子； ②對平滑后的圖像進行空域增強，以增強目標；域增強采用拉普拉斯算子，對圖像 相繼進行平滑和空域增強，平滑算子去除圖像的噪音，空域增強目標，為后面的圖像分割提 供一個噪音少、目標明確的圖像； ③利用二維信息熵的方法對圖像進行缺陷分割，得到一個閾分割的圖像；其中，二 維信息熵采用的信息熵是圖像二維直方圖信息熵； ④對分割后的圖像利用形態學中閉運算對閾分割后的圖像進行處理，以得到缺陷 定位精確的圖像，去除缺陷目標內部的孤立點和噪音，改善圖像區域的連通性，得到最終的
4板帶表面缺陷圖像；其中，采用閉運算(4)算子為圖6，是一個所有元素為1的模版。
具體包含以下步驟
1)對源圖像進行平滑處理 高斯平滑減弱像素鄰域內的亮度變化。平滑目標的形狀減弱細節。類似于平滑算 子，但是模糊影響要比平滑算子弱多了 。在此，主要是用于去掉一些噪音，所以采用模糊影 響較弱的高斯濾波器。高斯核如圖l所示。 高斯平滑巻積濾波器是一個平均濾波器，核使用下面的模版，如圖1所示，其中a， b，c，d是正整數，X〉 1。給定尺寸的高斯巻積核的系數最好是盡可能的接近高斯曲線上的 圖2是高斯核的一個示例。
2)對平滑后的圖像進行空域增強 采用拉普拉斯核作為巻積模版，對圖像進行巻積運算，增強圖像空域信息，達到增 強缺陷目標的目的，為后續缺陷提取工作提供一個高質量的圖片，以改善缺陷定位精度。拉 普拉斯核是一個二階偏導，核使用的模版為圖4所示，其中a， b， c， d為負整數，中心系數X
> 2(|a| + |b| + |c| + |d|)。圖5是高斯核的一個示例。 3)用自適應熵方法對已經增強目標后的圖像進行閾值分割以得到初步的缺陷圖。
如圖6所示，T軸為像素點灰度值，S軸為像素點的鄰域灰度均值，原始圖像中每 個像素都對應一個點灰度值_區域灰度均值對，建立圖像關于灰度值_區域均值的二維直 方圖。由于圖像的所有像素中，目標點和背景帶所占的比例最大，且目標區域和背景區域的 內部的點灰度與其區域均值相差不大，所以都集中在對角線附近。遠離對角線分布的是噪 聲點、邊緣點和雜質點。故圖6中沿對角線分布的A區和B區代表了目標和背景，在A區和 B區上用點灰度_區域灰度均值二維最大熵法確定分割閾值向量(s， t)。設A區和B區的 信息二維熵分別為H(A)和H(B)，圖像的信息熵為H(s， t) 二H(A)+H(B)，最佳閾值向量為 CM) = :(H0，/))，利用二值化函數
1 / < S且乂 < ^ 將缺陷目標從圖像中被初步分割出來，其中l表示目標，O表示背景，從而將缺陷 目標從圖像中被分割出來。 4)通過閉運算對閾值分割得到的二值圖像進行進一步處理 閾值分割是一個目標提取過程，得到的二值圖像可能包含不想要的信息，如噪聲， 目標與圖像邊緣的接觸部分等等。采用形態學中的閉運算可以去除這些不需要的信息，影 響目標形狀，從而提高二值圖像的信息。 為了更好的理解本發明的技術方案，結合附圖通過示例并且不限制地表示本發 明，作進一步詳細描述。
圖1是本發明為后續處理提供一個噪音較少的圖像而采用高斯平滑濾波器的巻
積核，其中a、b、c、d是整數，X〉 1。圖2與圖3是高斯核的一個示例。 由于高斯核內的所有的系數是正的，每個像素是相鄰點的加權平均。相鄰點的權值越大，對中心點的新值產生的影響越大。 與一般平滑核不同的是，高斯濾波的中心系數是大于1的。所以像素的原始值所 乘的加權值大于鄰域內任何像素的權值。因此，中心系數越大對應一個更微妙的平滑效應。 核尺寸越大，平滑效果越大。對圖像的模糊程度要低于其他的平滑算子，故在去除噪聲的同 時，最大程度的保留了圖像的信息。 圖4為拉普拉斯核，是本發明針對目標提取而設計的一個空域增強模版。顯現了 缺陷目標。圖5是拉普拉斯核的一個示例。 高斯平滑與空域增強相結合，為下一步圖像分割提供了一個噪聲少，缺陷目標明 顯的圖像，無形中將提高下一步的缺陷分割精度。 圖6是圖像關于灰度值-區域灰度均值的二維直方圖的二維空間示意圖。T軸為像 素點灰度值，S軸為像素點的鄰域灰度均值，原始圖像中每個像素都對應一個點灰度值_區 域灰度均值對(i， j)，其中i為像素灰度值，j為該像素的鄰域灰度均值。設hu圖像中點灰 度為i，其鄰域灰度均值為j的像素點的個數，Pij為點灰度值-區域灰度均值對(i， j)發
生的概率，則p^7^7，其中MXN為圖像的大小，那么{Pij|i， j = 1，2，…，U就是圖像
關于灰度值-區域均值的二維直方圖，其中L為灰度水平。 由于圖像的所有像素中，目標點和背景帶所占的比例最大，且目標區域和背景區 域的內部的點灰度與其區域均值相差不大，所以都集中在對角線附近。遠離對角線分布的 是噪聲點、邊緣點和雜質點。沿對角線分布的A區和B區代表了目標和背景。若閾值為(s， t)則
'A區和B區的二維伊 目標和背景出現的概率分別為A =力$^和& =力t《
/=1 乂=1 Za+1戶+1
息熵分別為 = —11《/ A l。g2 (/y ^)=手+ i。g2 & ，其中& = —11《l。g2《；
/=1 >1 尸/I /=1 ,/=l=-1 t《/ A l。g2/ ^ ) = ， + log2 Pfl ，其中i/e = -1 ^ & log2 & 。 由于遠離對角線部分包含的是關于噪聲和邊緣的信息，所以將其忽略不計，即假 設該部分區域的Pij " O，其中i = s+l，s+2，... ，L;j = 1，2，... ，t，以及i = l，2，...，s;
丄 乙
j = t+l，t+2，...，L。所以得到^= I-Pa，令A"Z2^1og2A^HB = HfHA。圖像的
信息熵為 = //(J) + //(S) = ^1 + l0g2 & + ，—， + log2 (1 —尸J 。
尸j 1 — 為了簡化計算量，將^^^^:i和PrttA代入H(A)有
y MxiV 層 ，=i戶i
「，，, = -^^過V。" +1og2(tl>'))。 L0056J S^]^V '=1 ;=1 "1
令"=2ix必=m iog2 ~,込=-iog2 \ ，有,)=^+io
込_込+l。g2(MAA-fl)
g2", 故在閾值(s， t)下，圖像的信息熵為 //(s, 0 =+ //(B) = & + Q「& + log2 [a(層—a)]。 當H(s，t)取得極大值所對應的閾值向量(s，t)，即為所求的分割閾值向量，s和t分別為S軸和T軸的分割點。圖像根據分割閾值向量進行二值化處理，二值化函數為
1 / < S且J' < f
0 / >魂'2 f 其中1表示目標，O表示背景，從而將缺陷目標從圖像中被分割出來。 因為在二維灰度直方圖中，像素點近似對稱的分布在對角線附近，所求得的S軸
和T軸的分割閾值s和t近似一般都十分接近，所以可以簡化計算，分割點只取對角線上的
點，即t = s，則二值化函數為
1
0
/ < 5且)< s 基于二維直方圖的最大熵分割方法在分割過程中最大程度的利用了圖像中目標和背景所包含的信息，消除了圖像中噪聲點、邊緣點和雜質點的影響，此方法不僅利用了像素的灰度信息，還利用了其鄰域的信息，故減少了噪聲等異質點被誤分割為目標的概率。
圖7為本發明中閉運算所采用的模版，將斷開的缺陷連接起來，同時去除缺陷目
標中的異質點。形態學中的閉運算其實是先用模版對圖像進行形態學中的膨脹運算，然后用同樣的模版進行形態學中的腐蝕運算。 圖8示意了整個發明的流程，工作原理是利用高斯平滑和空域增強對源圖像進行預處理，去除噪聲，增強缺陷目標，為后續的圖像分割提供一個高質量的圖像。接著通過最大化用二維信息熵來確定分割閾值，得到一個缺陷分割圖像，二維信息熵明顯優于一維的，因為其減少了噪聲等異質點被誤分割為目標的概率，再進一步用形態學中的閉運算得到一個分割精度高的圖像。這里的每一步，步步相扣，都是力求盡可能的去掉異質點，精確定位出缺陷。 綜上所述，本發明方法首先通過高斯平滑和空域增強，去除圖像噪音，增強要提取的目標，為閾分割提供一個高質量的圖像；而后采用基于二維信息熵的方法對圖像進行缺陷分割，分割過程中最大程度的利用了圖像中目標和背景所包含的信息，消除了圖像中噪聲點、邊緣點和雜質點的影響，同時由于不僅利用了像素灰度信息，還利用了其鄰域的信息，相比于一維信息熵的方法，極大的減少了噪聲等異質點被誤分割為缺陷目標的概率，而且對于明暗場圖像均適合；但由于閾分割是一個主觀的過程，所得的二值圖像可能包含不需要或不想要的信息，因此最后采用形態學中的閉運算算子對分割后的圖像進行區域連通，去掉目標中的孤立或噪聲點，將斷了的目標連起來，定位出最終的缺陷圖；這幾步，步步緊扣，相輔相成，提高了缺陷定位精度。缺陷定位精確、效率高且占用資源少，為后續檢測技術的精度提供了保證。本發明的方法簡單穩定可靠，有效解決了傳統基于灰度異常方法的板帶表面質量檢測系統在遇到大量良性缺陷及板型干擾時出現提取失效、易造成系統數據總線出現癱瘓等問題，有效目標提取率得到較大的增強。 以上僅是本發明的具體應用范例，對本發明的保護范圍不構成任何限制。凡采用等同變換或者等效替換而形成的技術方案，均落在本發明權利保護范圍之內。
8
權利要求
基于二維信息熵金屬板帶表面缺陷提取方法，其特征在于包括以下步驟①用平滑算子對采集的材料表面圖像進行卷積運算，去除圖像的噪音；②對平滑后的圖像進行空域增強，以增強目標；③利用二維信息熵的方法對圖像進行缺陷分割，得到一個分割后的二值圖像；④對分割后的圖像利用形態學中閉運算對其進行處理，去除缺陷目標內部的孤立點和噪音，改善圖像區域的連通性，得到最終的板帶表面缺陷圖像。
2. 根據權利要求1所述的基于二維信息熵金屬板帶表面缺陷提取方法，其特征在于平滑算子是高斯平滑算子。
3. 根據權利要求1所述的基于二維信息熵金屬板帶表面缺陷提取方法，其特征在于空域增強采用拉普拉斯算子。
4. 根據權利要求1所述的基于二維信息熵金屬板帶表面缺陷提取方法，其特征在于二維信息熵采用的信息熵是圖像二維直方圖信息熵。
5. 根據權利要求1所述的基于二維信息熵金屬板帶表面缺陷提取方法，其特征在于閉運算算子是一個所有元素為1的模版。
全文摘要
本發明涉及基于二維信息熵金屬板帶表面缺陷提取方法，首先，對采集來的源圖像進行高斯平滑；然后，對平滑后的圖像針對缺陷目標進行空間域的增強；再用自適應熵的方法對前面處理后的圖像進行缺陷目標分割；接著，形態學中的方法對分割后的二值圖像法進行閉運算，改善其連通性得到最終的缺陷圖像；缺陷定位精確、效率高且占用資源少，為后續檢測技術的精度提供了保證。本發明的方法簡單穩定可靠，有效解決了傳統基于灰度異常方法的板帶表面質量檢測系統在遇到大量良性缺陷及板型干擾時出現提取失效、易造成系統數據總線出現癱瘓等問題，有效目標提取率得到較大的增強。
文檔編號G01N21/88GK101706959SQ20091021323
公開日2010年5月12日 申請日期2009年10月21日 優先權日2009年10月21日
發明者李坤杰, 王龍, 羅新斌, 邢青青, 鄭文勝, 黃秀琴 申請人:蘇州有色金屬研究院有限公司