[发明专利]基于二维信息熵金属板带表面缺陷提取方法

说明书

技术领域

本发明涉及一种基于二维信息熵冶金板带表面缺陷在线自适应提取方法，用于板带表面质量检测。

背景技术

表面检测系统是冶金板带材质量控制系统的重要组成部分，而表面缺陷提取方法是表面检测系统中的关键技术。

随着有色加工技术的不断创新和进步，有色带材加工成品表面质量要求的提高以及加工过程中产品质量跟踪，对于加工工艺流程的控制都使得表面缺陷检测系统扮演着越来越重要的角色，其中表面缺陷提取技术的有效性决定了表面检测系统的检测性能。目前国内无论是对于引进的设备还是对于自行研制的实验性检测设备，均遇到对于检测目标的定位效果不是很好，容易受到材料类型的不同、板型状况不好、环境干扰以及大量良性附着物等因素的影响。

表面缺陷检测系统作为质量控制系统的关键组成部分，分布于基础自动化和过程控制系统二级系统中，起着对产品的在线质量检测、成品管理以及对材料的加工工艺流程控制等作用。而这些功能的实现都要以材料表面异常的快速有效定位为重要前提，而该环节又受制于上述各项因素的影响，因此如何寻找有效的缺陷提取方法是表面检测系统提高缺陷检测和识别率的重要途径。

发明内容

本发明的目的是克服现有技术存在的不足，提供一种基于二维信息熵冶金板带表面缺陷在线自适应提取方法，旨在解决板带表面质量检测系统中的缺陷提取问题。

本发明的目的通过以下技术方案来实现：

基于二维信息熵金属板带表面缺陷提取方法，特点是：首先对由线阵传感器采集来的材料表面图像数据采用高斯平滑算子对其进行高斯平滑，接着针对目标进行图像空域增强；然后采用基于直方图的二维熵自适应阈值的方法对图像进行缺陷目标分割；最后用形态学中的闭运算去除目标内部的孤立点和噪声，改善区域的联通性，得到最终的缺陷图像；包括以下步骤：

①用平滑算子对采集的材料表面图像进行卷积运算，去除图像的噪音；

②对平滑后的图像进行空域增强，以增强目标；

③利用二维信息熵的方法对图像进行缺陷分割，得到一个分割后的图像；

④对分割后的图像利用形态学中闭运算对其进行处理，去除缺陷目标内部的孤立点和噪音，改善图像区域的连通性，得到最终的板带表面缺陷图像。

进一步地，上述的基于二维信息熵金属板带表面缺陷提取方法，其中，平滑算子是高斯平滑算子；空域增强采用拉普拉斯算子；二维信息熵采用的信息熵是图像二维直方图信息熵；闭运算算子是一个所有元素为1的模版。

本发明技术方案突出的实质性特点和显著的进步主要体现在：

本发明方法首先通过高斯平滑和空域增强，去除图像噪音，增强要提取的目标，为阈分割提供一个高质量的图像；而后采用基于二维信息熵的方法对图像进行缺陷分割，分割过程中最大程度的利用了图像中目标和背景所包含的信息，消除了图像中噪声点、边缘点和杂质点的影响，同时由于不仅利用了像素灰度信息，还利用了其邻域的信息，相比于一维信息熵的方法，极大的减少了噪声等异质点被误分割为缺陷目标的概率，而且对于明暗场图像均适合；但由于阈分割是一个主观的过程，所得的二值图像可能包含不需要或不想要的信息，因此最后采用形态学中的闭运算算子对分割后的图像进行区域连通，去掉目标中的孤立或噪声点，将断了的目标连起来，定位出最终的缺陷图；这几步，步步紧扣，相辅相成，提高了缺陷定位精度。缺陷定位精确、效率高且占用资源少，为后续检测技术的精度提供了保证。本发明的方法简单稳定可靠，有效解决了传统基于灰度异常方法的板带表面质量检测系统在遇到大量良性缺陷及板型干扰时出现提取失效、易造成系统数据总线出现瘫痪等问题，有效目标提取率得到较大的增强。

附图说明

下面结合附图对本发明技术方案作进一步说明：

图1：本发明所用的高斯滤波器的高斯核；

图2：尺寸为3的高斯核的一个示例；

图3：尺寸为5的高斯核的一个示例；

图4：本发明空域增强所用的拉普拉斯核；

图5：拉普拉斯核的一个示例；

图6：图像关于灰度值-区域灰度均值的二维直方图的二维灰度空间示意图；

图7：本发明中闭运算所使用的模版；

图8：本发明的流程图。

具体实施方式

本发明提供一种基于二维信息熵冶金板带表面缺陷在线自适应提取方法，首先，对采集来的源图像进行高斯平滑；然后，对平滑后的图像针对缺陷目标进行空间域的增强；再用自适应熵的方法对前面处理后的图像进行缺陷目标分割；接着，形态学中的方法对分割后的二值图像法进行闭运算，改善其连通性得到最终的缺陷图像；其流程是：