專(zhuān)利名稱(chēng)：基于小波和共生矩陣的紋理表面缺損檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及的是一種圖像處理技術(shù)領(lǐng)域的方法，尤其是一種基于小波和共生矩陣的紋理表面缺損檢測(cè)方法。
背景技術(shù)：
紋理表面缺損檢測(cè)是圖像處理問(wèn)題的一個(gè)難點(diǎn)，紋理具有周期性灰度或結(jié)構(gòu)變化，因此，小波變換是常用紋理特征提取和分析的基本方法之一。它在頻域進(jìn)行處理，因而具有快速性的特點(diǎn)。常用檢測(cè)方法在紋理特征基礎(chǔ)上，建立紋理模型，通過(guò)模型匹配方法進(jìn)行檢測(cè)，或者將缺損看作一類(lèi)紋理模式對(duì)紋理特征聚類(lèi)，實(shí)現(xiàn)紋理分割。這些方法在應(yīng)用中取得了成功，但是基于模型方法計(jì)算量較大，其實(shí)時(shí)性問(wèn)題有待于進(jìn)一步研究，而當(dāng)缺損很細(xì)小時(shí)(如滑痕檢測(cè))不足以構(gòu)成一類(lèi)紋理模式，因此，基于聚類(lèi)的方法也有很大局限性。
經(jīng)對(duì)現(xiàn)有技術(shù)的文獻(xiàn)檢索發(fā)現(xiàn)，A.Latif-Amet等在《Image Vision andComputing》2000，18，第543-553頁(yè)上發(fā)表的“An Efficient Method for TextureDefect DetectionSub-band Domain Co-occurrence Matrices”中結(jié)合小波和共生矩陣對(duì)紡織品表面進(jìn)行缺損檢測(cè)，首先采用小波變換將紋理圖像分解成不同頻率部分，然后將各頻率子圖像分割為子窗口計(jì)算每個(gè)窗口的共生矩陣特征進(jìn)行特征提取，在此基礎(chǔ)上，利用訓(xùn)練好的分類(lèi)器對(duì)每個(gè)子窗口進(jìn)行判斷，進(jìn)而識(shí)別出哪個(gè)子窗口含有缺陷。該方法結(jié)合了小波變換和共生矩陣特征進(jìn)行缺損檢測(cè)，但是分類(lèi)器訓(xùn)練過(guò)程耗時(shí)長(zhǎng)，需要大量實(shí)驗(yàn)樣本，因而較復(fù)雜。因此，如何簡(jiǎn)化問(wèn)題并利用現(xiàn)有平滑圖像檢測(cè)技術(shù)需要進(jìn)一步研究。由于紋理一般具有周期性灰度或結(jié)構(gòu)變化，在頻域中表現(xiàn)為高頻部分，如果能夠在頻域中濾除代表紋理的高頻部分，則紋理圖像缺損檢測(cè)可以轉(zhuǎn)化為平滑圖像檢測(cè)問(wèn)題。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服現(xiàn)有技術(shù)中的不足，提供一種基于小波和共生矩陣的紋理表面缺損檢測(cè)方法，使其不需要對(duì)原圖像進(jìn)行聚類(lèi)和特征訓(xùn)練，就可以檢測(cè)出紋理圖像中的缺損區(qū)域。
本發(fā)明是通過(guò)以下技術(shù)方案實(shí)現(xiàn)的，本發(fā)明包括以下步驟(1)對(duì)原圖像進(jìn)行多水平小波變換圖像經(jīng)小波變換后可以得到四個(gè)子圖像，分別為低頻近似子圖像、水平方向高頻子圖像、垂直方向高頻子圖像和對(duì)角方向高頻子圖像。對(duì)每一水平上的低頻近似子圖像繼續(xù)進(jìn)行小波變換，可以得到一系列不同水平上的小波變換結(jié)果。
(2)計(jì)算共生矩陣特征經(jīng)過(guò)步驟(1)的多水平小波變換后，較高水平上的低頻近似子圖像中的紋理信息被進(jìn)一步分解到高頻子圖像中，從而逐漸平滑。但是，圖像中的缺損一般也對(duì)應(yīng)于高頻部分，隨著分解水平的增加，逐漸模糊因而影響檢測(cè)。
共生矩陣是常用的進(jìn)行紋理分析的統(tǒng)計(jì)方法之一，Haralick等在1973年定義了14個(gè)共生矩陣特征，這些特征有效反映了圖像紋理的分布情況。其中，局部同質(zhì)性特征的大小體現(xiàn)了圖像平滑的程度，因此，計(jì)算不同水平上低頻近似子圖像共生矩陣特征的大小可以度量隨分解水平的增加，圖像平滑程度的變化。
(3)選擇分解水平在步驟(2)的基礎(chǔ)上，通過(guò)觀察及分析發(fā)現(xiàn)隨著分解水平的增加，各低頻近似子圖像的局部同質(zhì)性特征急劇增加直到某一水平這種增加漸趨平緩。這表明在該水平上的低頻近似子圖像的紋理已被濾除，選取該水平上的低頻近似子圖像則可以得到包含缺損在內(nèi)的平滑圖像。
為得到該水平，對(duì)共生矩陣特征隨分解水平的變化進(jìn)行分析。首先計(jì)算共生矩陣特征基于分解水平的差分，然后在一定的分解水平范圍內(nèi)求該差分的最大值，則該最大值所對(duì)應(yīng)的分解水平即所求分解水平。
(4)無(wú)紋理圖像缺損檢測(cè)經(jīng)過(guò)步驟(3)，得到的無(wú)紋理缺損圖像，在此基礎(chǔ)上，可以將紋理圖像缺損檢測(cè)轉(zhuǎn)化為無(wú)紋理圖像缺損檢測(cè)問(wèn)題。
上述步驟(2)中，計(jì)算各分解水平上低頻近似子圖像共生矩陣及其局部同質(zhì)性特征，共生矩陣計(jì)算中取方向(Δm，Δn)＝(1，1)，其計(jì)算方法為C(i,j)=Num(P(x,y)=i||P(x+Δm,y+Δn)=j)Σm,n=1M,Npairs,]]>局部同質(zhì)性特征的計(jì)算方法為localhomogeneity=Σi,j=1M,N11+(i-j)2C(i,j).]]>上述步驟(3)中，分解水平的選擇根據(jù)共生矩陣的局部同質(zhì)性特征，其選擇方法為根據(jù)步驟(2)得到各分解水平上低頻近似子圖像共生矩陣局部同質(zhì)性特征，計(jì)算該特征隨分解水平的差分分析其變化趨勢(shì)，差分計(jì)算方法為DHn=0n=1DHn-DHn-Iotherwisen=1,...,N,]]>該差分最大值對(duì)應(yīng)的分解水平作為待選擇的分解水平。
上述步驟(4)，在步驟(3)的基礎(chǔ)上，重構(gòu)該分解水平上的低頻近似子圖像，得到濾除紋理的缺損圖像，在此基礎(chǔ)上，采用閾值法進(jìn)行檢測(cè)，閾值法具體實(shí)現(xiàn)步驟為根據(jù)圖像的直方圖以某一灰度為閾值將圖像分成目標(biāo)和背景兩組并計(jì)算兩組間的方差，當(dāng)被分成的兩組之間的方差最大時(shí)，就以這個(gè)灰度值為閾值分割圖像，從而實(shí)現(xiàn)缺損檢測(cè)。
本發(fā)明將紋理缺損檢測(cè)轉(zhuǎn)化為較簡(jiǎn)單的無(wú)紋理缺損檢測(cè)問(wèn)題，直接在待檢測(cè)圖像上進(jìn)行處理，不需要大量圖像樣本，避免了費(fèi)時(shí)較長(zhǎng)的分類(lèi)器訓(xùn)練過(guò)程，大大提高了檢測(cè)效率。同時(shí)，由于小波具有多尺度分析性能，保證了檢測(cè)的精度。


圖1為帶污跡紋理圖像多水平小波變換示例圖2為多水平小波變換后各水平上低頻近似子圖像共生矩陣特征隨分解水平的變化圖，其中，(a)為各水平上低頻近似子圖像局部同質(zhì)性隨分解水平變化圖，(b)為各水平上低頻近似子圖像局部同質(zhì)性的差分隨分解水平變化圖。
圖3為合適分解水平上的低頻近似子圖像及其檢測(cè)結(jié)果。(a)第三水平上小波變換后得到的低頻近似子圖像，(b)用Otsu閾值法檢測(cè)的結(jié)果。
具體實(shí)施例方式
為了更好地理解本發(fā)明所提出的方法，結(jié)合附圖和實(shí)施例作詳細(xì)描述。
(1)原始圖像進(jìn)行多水平小波變換由于圖像紋理具有重復(fù)性結(jié)構(gòu)及灰度變化，采用傳統(tǒng)基于空域的方法無(wú)法成功檢測(cè)出灰度相近的缺陷。通過(guò)小波變換，可將圖像轉(zhuǎn)換到頻域進(jìn)行處理。單水平小波變換可以得到一個(gè)低頻近似子圖像A和三個(gè)高頻細(xì)節(jié)子圖像H、V和D。對(duì)每一水平上的低頻近似子圖像繼續(xù)進(jìn)行小波變換可以構(gòu)成多水平小波變換。從而得到一系列An，Hn，Vn，Dn(n＝1，…4)其中，An為n水平上低頻近似子圖像，Hn為n水平上水平方向高頻細(xì)節(jié)子圖像，Vn為n水平上垂直方向高頻細(xì)節(jié)子圖像，Dn為n水平上對(duì)角方向高頻細(xì)節(jié)子圖像。
在多水平小波變換過(guò)程中，對(duì)應(yīng)高頻的紋理信息被逐漸分解到高頻的細(xì)節(jié)子圖像當(dāng)中，低頻近似子圖像逐漸平滑。
(2)計(jì)算小波變換后各分解水平上低頻近似子圖像的共生矩陣特征共生矩陣是常用的進(jìn)行紋理分析的統(tǒng)計(jì)方法之一，其計(jì)算方法為C(i,j)=Num(P(x,y)=i||P(x+Δm,y+Δn)=j)Σm,n=1M,Npairs---(1)]]>其中，C(i，j)為共生矩陣，P(x，y)為像素(x，y)的灰度值，Num為計(jì)數(shù)函數(shù)，(Δm，Δn)為給定計(jì)算共生矩陣的方向。
Haralick等在1973年定義了14個(gè)共生矩陣特征，這些特征有效反映了圖像紋理的分布情況，在紋理分析中有著廣泛應(yīng)用。其中，局部同質(zhì)性特征的大小體現(xiàn)了圖像平滑的程度，其計(jì)算方法為localhomogeneity=Σi,j=1M,N11+(i-j)2C(i,j)---(2)]]>圖像的局部同質(zhì)性特征越大，則圖像越平滑。反之，則圖像紋理越多。計(jì)算各分解水平上的低頻近似子圖像的局部同質(zhì)性特征并進(jìn)行比較，可以反映圖像紋理的濾除情況。
(3)選擇合適的小波分解水平得到濾除紋理后的圖像在步驟(1)中，隨著分解水平的增加，低頻子圖像中的高頻部分不斷被分解到高頻子圖像中，低頻子圖像逐漸平滑，而圖像中的高頻的缺損部分也逐漸模糊。通過(guò)步驟(2)計(jì)算各分解水平上低頻近似圖像的局部同質(zhì)性特征，發(fā)現(xiàn)在一定分解水平之后，局部同質(zhì)性特征的增加平緩，說(shuō)明在該水平上紋理已基本濾除。該水平的選取可通過(guò)尋找局部同質(zhì)性特征隨分解水平差分的最大值得到。
DHn=0n=1DHn-DHn-Iotherwisen=1,...N---(3)]]>appropriatelevel＝{m|DHm≥DHn(n＝1，...N)}(4)(4)無(wú)紋理圖像缺損檢測(cè)步驟(3)得到合適分解水平，在該水平上構(gòu)建低頻近似子圖像則得到濾除紋理的缺損圖像。在此基礎(chǔ)上，采用閾值法等傳統(tǒng)無(wú)紋理缺損檢測(cè)技術(shù)進(jìn)行缺損檢測(cè)。
實(shí)施例為驗(yàn)證本發(fā)明所提出方法的有效性，以液晶屏表面污跡檢測(cè)為實(shí)施例進(jìn)行實(shí)驗(yàn)。
(1)對(duì)紋理圖像進(jìn)行多水平小波變換對(duì)原始圖像采用4層小波變換得到如附圖1所示的分解結(jié)果，在每一層上得到低頻近似子圖像和三個(gè)方向的高頻細(xì)節(jié)子圖像。
(2)計(jì)算低頻近似子圖像共生矩陣特征根據(jù)公式(1)和(2)計(jì)算各分解水平上低頻近似子圖像的局部同質(zhì)性特征。附圖2(a)給出低頻近似子圖像局部同質(zhì)性特征隨分解水平變化情況圖，可以看出，當(dāng)分解水平小于3時(shí)，局部同質(zhì)性特征隨著分解水平的增加迅速增加，說(shuō)明圖像中的紋理迅速減少；當(dāng)分解水平大于3時(shí)，這種增加趨勢(shì)逐漸平緩，說(shuō)明圖像中紋理已基本濾除。
(3)利用共生矩陣特征在各分解水平上的差分最大值確定合適的分解水平附圖2(b)給出了局部同質(zhì)性特征隨分解水平的差分，從圖中可看出，當(dāng)分解水平為3時(shí)，差分取得最大值，因此該水平為所求的分解水平。
(4)重構(gòu)圖像并利用無(wú)紋理缺損檢測(cè)方法進(jìn)行檢測(cè)附圖3(a)為重構(gòu)得到的無(wú)紋理圖像，圖3(b)給出利用Otsu閾值法進(jìn)行檢測(cè)的結(jié)果。
實(shí)驗(yàn)證明，本發(fā)明提出的方法能有效檢測(cè)紋理表面的缺損。
權(quán)利要求
1.一種基于小波和共生矩陣的紋理表面缺損檢測(cè)方法，其特征在于，包括以下步驟(1)對(duì)原圖像進(jìn)行多水平小波變換通過(guò)小波變換，將圖像分解為不同頻率部分，對(duì)每一分解水平上的低頻近似子圖像繼續(xù)進(jìn)行分解，構(gòu)成多水平小波變換(2)計(jì)算共生矩陣特征根據(jù)步驟(1)得到的一系列低頻近似子圖像，計(jì)算紋理共生矩陣及其局部同質(zhì)性特征，得到圖像平滑程度隨分解水平的變化情況；(3)選擇分解水平根據(jù)步驟(2)的計(jì)算結(jié)果，計(jì)算各分解水平上局部同質(zhì)性特征的差分，求差分最大值對(duì)應(yīng)的分解水平即所求的分解水平；(4)無(wú)紋理缺損圖像檢測(cè)在步驟(3)得到的分解水平的基礎(chǔ)上，重構(gòu)圖像，得到包括缺損在內(nèi)的無(wú)紋理圖像，采用無(wú)紋理缺損檢測(cè)方法進(jìn)行檢測(cè)。
2.根據(jù)權(quán)利要求1所述的基于小波和共生矩陣的紋理表面缺損檢測(cè)方法，其特征是，步驟(2)中，計(jì)算各分解水平上低頻近似子圖像共生矩陣及其局部同質(zhì)性特征，共生矩陣計(jì)算中取方向(Δm，Δn)＝(1，1)，其計(jì)算方法為C(i,j)=Num(P(x,y)=i||P(x+Δm,y+Δn)=j)Σm,n=1M,Npairs,]]>局部同質(zhì)性特征的計(jì)算方法為localhomogeneity=Σi,j=1M,N11+(i-j)2C(i,j).]]>
3.根據(jù)權(quán)利要求1所述的基于小波和共生矩陣的紋理表面缺損檢測(cè)方法，其特征是，步驟(3)中，分解水平的選擇根據(jù)共生矩陣的局部同質(zhì)性特征，其選擇方法為根據(jù)步驟(2)得到各分解水平上低頻近似子圖像共生矩陣局部同質(zhì)性特征，計(jì)算該特征隨分解水平的差分分析其變化趨勢(shì)，差分計(jì)算方法為DHn=0n=1DHn-DHn-1otherwisen=1,...N,]]>該差分最大值對(duì)應(yīng)的分解水平作為待選擇的分解水平。
4.根據(jù)權(quán)利要求1所述的基于小波和共生矩陣的紋理表面缺損檢測(cè)方法，其特征是，在步驟(3)的基礎(chǔ)上，重構(gòu)該分解水平上的低頻近似子圖像，得到濾除紋理的缺損圖像，在此基礎(chǔ)上，采用閾值法進(jìn)行檢測(cè)，閾值法具體實(shí)現(xiàn)步驟為根據(jù)圖像的直方圖以某一灰度為閾值將圖像分成目標(biāo)和背景兩組并計(jì)算兩組間的方差，當(dāng)被分成的兩組之間的方差最大時(shí)，就以這個(gè)灰度值為閾值分割圖像，從而實(shí)現(xiàn)缺損檢測(cè)。
全文摘要
一種圖像處理技術(shù)領(lǐng)域的紋理表面缺損檢測(cè)方法，步驟為(1)對(duì)原始圖像進(jìn)行多水平小波變換；(2)計(jì)算并分析小波變換后各水平上低頻近似子圖像的共生矩陣特征；(3)選擇合適分解水平，得到濾除紋理后的缺損圖像；(4)采用傳統(tǒng)無(wú)紋理缺損檢測(cè)技術(shù)進(jìn)行檢測(cè)。本發(fā)明結(jié)合小波變換和共生矩陣濾除圖像中高頻的紋理信息，將紋理缺損檢測(cè)問(wèn)題轉(zhuǎn)化為較簡(jiǎn)單的無(wú)紋理缺損檢測(cè)，不需要大量樣本訓(xùn)練分類(lèi)器，提高了檢測(cè)效率，同時(shí)不需要標(biāo)準(zhǔn)圖像樣本，可以直接對(duì)缺損圖像進(jìn)行處理。
文檔編號(hào)G06T7/00GK1845175SQ20061002608
公開(kāi)日2006年10月11日 申請(qǐng)日期2006年4月27日 優(yōu)先權(quán)日2006年4月27日
發(fā)明者韓彥芳, 施鵬飛 申請(qǐng)人:上海交通大學(xué)