基于視覺注意機制的帶鋼檢測研究

張淑艷

摘 要：為了準確檢測帶鋼缺陷，提出了基于視覺注意機制的檢測方法。該方法通過高斯函數(shù)的二階導數(shù)和Hibert變換構(gòu)造多方向能量函數(shù)，用于提取帶鋼圖像的方向特征圖。根據(jù)Itti算法將方向特征圖、顏色特征圖和亮度特征圖進行線性組合，得到帶鋼圖像的顯著圖。然后應(yīng)用勝者為王神經(jīng)網(wǎng)絡(luò)方法和區(qū)域生長法在顯著圖上獲得帶鋼圖像的缺陷區(qū)域，最后在帶鋼缺陷圖像上驗證所提方法。實驗結(jié)果表明，所提方法能準確檢測出帶鋼圖像的缺陷區(qū)域。

關(guān)鍵詞：視覺注意機制；帶鋼缺陷；方向能量圖；能量函數(shù)

中圖分類號：TP391.41 文獻標識碼：A DOI：10.15913/j.cnki.kjycx.2016.18.009

帶鋼表面缺陷檢測對于提高帶鋼質(zhì)量有非常重要的作用。目前，國內(nèi)外對基于視覺注意機制的帶鋼缺陷檢測技術(shù)的研究比較多，也取得了一些成功。視覺注意機制有利于解決數(shù)據(jù)篩選問題，能夠提高機器視覺系統(tǒng)的處理效率。將視覺注意機制引入帶鋼缺陷檢測系統(tǒng)中，能夠有效減少噪聲的影響，加快計算速度。這是帶鋼缺陷檢測的一種有效途徑。徐帥華等人提出了基于視覺注意機制的帶鋼缺陷檢測算法，以滿足實時在線檢測的要求，從而提高檢測率。但是，該方法未能解決存在偽目標和直接相加容易降低目標顯著度的問題。叢家慧等人提出了一種基于視覺注意機制模型的帶鋼表面缺陷檢測方法，通過構(gòu)建Gabor濾波器建立多尺度、多方位的多通道圖像，線性組合這些特征圖像得到顯著圖，從而準確檢測出缺陷檢測區(qū)域。

本文依據(jù)Itti算法實現(xiàn)帶鋼缺陷檢測。通過高斯函數(shù)的二階導數(shù)和Hibert變換構(gòu)造多方向能量函數(shù)，從多尺度、多方位提取帶鋼圖像的特征圖像，然后將提取的特征圖像線性組合，從而獲得帶鋼圖像的顯著圖。在顯著圖像上應(yīng)用勝者為王神經(jīng)網(wǎng)絡(luò)方法和區(qū)域生長法能夠?qū)崿F(xiàn)帶鋼圖像中缺陷區(qū)域的檢測。

1 基于視覺注意機制的帶鋼缺陷檢測

視覺注意機制的帶鋼缺陷檢測方法主要有提取特征圖、合成顯著圖、定位注意焦點和檢測帶鋼缺陷4部分。

1.1 特征提取

利用高斯函數(shù)的二階導數(shù)和Hibert變換構(gòu)造方向能量圖。用該方向能量圖對帶鋼缺陷圖像進行卷積，從而提取其方向特征圖。

1.1.1 高斯函數(shù)的二階導數(shù)

1.2.2 缺陷檢測

顯著性圖中最顯著的圖像位置是顯著圖的最大值，所以，采用勝者為王神經(jīng)網(wǎng)絡(luò)方法獲得顯著圖中最活躍的位置，并將其定義為注意焦點（FOA）。最后利用區(qū)域生長法將性質(zhì)相似的注意焦點合并為視覺注意的顯著區(qū)域，即帶鋼圖像的缺陷區(qū)域。

2 實驗結(jié)果

對所提方法在帶鋼缺陷圖像上進行驗證，帶鋼缺陷圖像包括黃斑、劃傷、夾雜和孔洞等。用Matlab為所提方法編程，實驗結(jié)果如圖2所示。由實驗結(jié)果可知，采用所提方法可以準確檢測帶鋼缺陷。

3 結(jié)論

針對帶鋼缺陷檢測問題，提出了基于視覺注意機制的方法。該方法通過高斯函數(shù)的二階導數(shù)和Hibert變換構(gòu)造復指數(shù)濾波器，獲得多方向能量函數(shù)。該能量函數(shù)具有方向選擇性，能有效提取帶鋼缺陷圖像的方向特征?；贗tti模型歸一化，合成帶鋼缺陷圖像的方向特征圖、顏色特征圖和亮度特征圖，從而構(gòu)成顯著圖。利用勝者為王神經(jīng)網(wǎng)絡(luò)方法和區(qū)域生長法獲取顯著區(qū)域，完成帶鋼圖像的缺陷區(qū)域檢測。實驗結(jié)果表明，所提方法有效檢測出了帶鋼圖像缺陷區(qū)域。

參考文獻

[1]He Y，Chen Y，Xu Y，et al. Autonomous Detection of Weld Seam Profiles via a Model of Saliency-Based Visual Attention for Robotic Arc Welding.Journal of Intelligent & Robotic Systems，2015，81（3-4）：1-12.

[2]Neogi N，Mohanta D K，Dutta P K.Review of vision-based steel surface inspection systems.Eurasip Journal on Image and Video Processing，2014（1）：1-19.

[3]徐帥華，陳龍龍，管聲啟，等.視覺顯著性模型在帶鋼缺陷動態(tài)檢測中的應(yīng)用[J].西安工程大學學報，2014，28（6）： 755-759.

[4]叢家慧，顏云輝.視覺注意機制在帶鋼表面缺陷檢測中的應(yīng)用[J].中國機械工程，2011，22（10）：1189-1192.

[5]Chtistopoulos C，Skodras A，Ebrahimi T.JPEG2000 still image coding system：an overview.IEEE Trans.on Consumer Electron，2000（46）：1103-1127.

[6]崔力，浩明.基于視覺注意機制的圖像質(zhì)量評價[J].東南大學學報（自然科學版），2012，42（5）：854-858.

[7]張亞紅，楊欣，沈雷，等.基于視覺顯著性特征的自適應(yīng)目標跟蹤[J].吉林大學學報（信息科學版），2015，33（2）：195-201.

[8]黎萬義，王鵬，喬紅.引入視覺注意機制的目標跟蹤方法綜述[J].自動化學報，2014，40（4）：561-576.

〔編輯：白潔〕