发明内容
本发明所解决的技术问题在于提供一种印刷品划痕缺陷检测方法,以解决上述背景技术中的缺点。
本发明实施例提供的一种印刷品划痕检测方法包括:
利用PCNN方法,根据印刷品划痕缺陷区域与背景区域像素值的差别,根据像素对应的神经元及邻近的神经元的点火情况来分割出划痕区域,再通过分割后的标准图像与待检图像的二值图像的差分,最终得到划痕的二值图,并由此来进行印刷品的划痕缺陷检测,从而实现了一种检测效率以及检测准确率较高的印刷品的划痕缺陷检测技术。
本发明预先进行初始化操作,下面首先介绍一下脉冲耦合神经网络模型(Pulsed Coupled Neural Network,PCNN),脉冲耦合神经网络(PCNN)神经元模型相应的数学方程式如下所示:
Uij(n)=Fij(n)×(1+βLij(n))
(3)
(5)
其中Wij□kl和Mij□kl为欧几里德距离的倒数,即:
(6)
Wij□kl=Mij□kl=1/((i1-i2)2+(j1-j2)2)
(7)
i,j——神经元的坐标;
Fij——神经元的反馈输入;
Sij——刺激输入信号(如图像的灰度值);
Lij——与神经元相连接的其他神经元的输入;
Uij——内部行为(即相乘调节的结果—变化信号与近似常量信号的叠加);
Yij——神经元的输出;
Wij□kl,Mij□kl——突触连接权系数;
VF,VL,Vθ——相应区域的阈值幅度系数;
αF,αL,——时间常数;
β——连接强度系数;
θij——变阈值;
dE——欧几里德距离。
图像分割计算方法:
(1)给出阈值θij,链接强度β,分割次数N,步长d,同时令每个像素点处于熄火状态,即Yij=0;
(2)在每个神经元的3x3邻域内,计算其信号Lij;
(3)计算每个神经元的内部活性:Uij(n)=Fij(n)×(1+βLij(n));
(4)将Uij与阈值θij相比,记录神经元的输出Yij,即点火或不点火,Binij=Yij,调整阈值θij=θij-d;
(5)计算Bin的图像熵H,将到目前为止图像熵最大的Bin存为R,当循环结束时,H取得最大值Hmax,R就是最终的分割结果;
(6)N=N-1,如果N≠0,回到(2);否则,结束。
一种印刷品划痕缺陷检测方法,包括以下步骤:
1、将印刷品的彩色图像灰度化;
2、利用基于PCNN和图像熵的图像分割方法分别将标准模板印刷品图像与待检测印刷品图像进行图像分割,(PCNN)是由若干神经元互连而构成的反馈型网络,每一个神经元包括三部分:接受区、调制区和脉冲区,接受区接受来自外部刺激输入和其他神经元的输入:其中Fij为神经元的反馈输入;Sij为刺激输入信号(如图像的灰度值);Lij为与神经元相连的其他神经元在突触连接权系数下的输入,接受区接受到输入后,将通过2条通道传输:一通道称为F通道,另一条称为L通道;
3、直接将分割后的标准模板二值图像与待检测二值图像进行相减运算将待检测图像中可能存在的划痕检测出来,脉冲耦合神经网络调制区是将来自外部的输入与其他神经元的输入进行相乘调制,其中β为连接强度系数,Uij为相乘调制的结果;脉冲区由阈值可变比较器和脉冲产生器组成,根据当前神经元的内部行为Uij和对该神经元输出以时间常数αθ为指数衰减的变阈值输出θij的比较,判断神经元是否点火,即是否产生脉冲,从而得到当前神经元在当前时刻的输出Yij(n);脉冲耦合神经元(PCN-Pulse Coupled Neutron)的作用过程:PCN接受外部输入和其他PCN输入,输入经过调制后产生内部行为Uij,Uij与按时间衰减的变阈值θij比较,判断神经元是否点火、是否产生脉冲,即输出结果为1(发放脉冲)或0(不响应),当PCN产生脉冲时,PCN的阈值通过反馈得到迅速提高,当θij>Uij,脉冲产生器就被关掉,停止发放脉冲;然后,阈值θij开始按时间指数αθ下降;当θij≤Uij,脉冲产生器被打开,PCN被点火,再次处于激活状态,输出脉冲。
本发明在利用PCNN对印刷品进行划痕检测时,每个像素点的亮度输入到对应的神经元的F通道,同时每个神经元与其3×3邻域中的其他神经元相连,邻域中的其他神经元的输出脉冲输入到该神经元的L通道,每个神经元的输出只有两种状态,点火或不点火,即输出为1或0。
有益效果:
1、通过采用模式识别中一种常用的神经网络算法-PCNN对图像进行分割,具有诸多优良性质,如能对图像去噪声、旋转不变性、强度不变性、尺度不变性和扭曲不变性等,因而进一步改善了其在待检测图像存在噪声以及相对于标准模板图像存在位置偏差时的检测率,进而能够快速准确的实现划痕检测;建立标准的模板图像库模,使其更具有代表性。
2、由于PCNN的并行处理结构,因而可利用硬件来实现,从而能最终实现印刷品质量实时检测系统。充分发挥PCNN的优点,极大提高了整个算法的检测性能。
3、通过简单的增加新的模板图像,更新旧的样本,实现模板模型的自适应性更新,策略简单,自适应能力强,效果好。可以随着检测目标的变化而自适应地更新背景模板,从而处理检测图像不断变化的情况。
具体实施方式
为了使本发明的技术手段、创作特征、工作流程、使用方法达成目的与功效易于明白了解,下面结合具体实施例,进一步阐述本发明。
参照图2、图3所示,本发明实施例预先进行初始化操作,即收集待图像,进行灰度化,然后利用PCNN方法对图像分割。
脉冲耦合神经网络(PCNN)是由若干神经元互连而构成的反馈型网络,每一个神经元
包括三部分:接受区、调制区和脉冲区。接受区接受来自外部刺激输入和其他神经元的输入:其中Fij为神经元的反馈输入;Sij为刺激输入信号(如图像的灰度值);Lij为与神经元相连的其他神经元在突触连接权系数下的输入。接受区接受到输入后,将通过2条通道传输:一通道称为F通道,另一条称为L通道。
调制区是将来自外部的输入与其他神经元的输入进行相乘调制,其中β为连接强度系数,Uij为相乘调制的结果〔即变化信号与近似常量信号的叠加)。
脉冲区由阈值可变比较器和脉冲产生器组成,根据当前神经元的内部行为Uij和对该神经元输出以时间常数αθ为指数衰减的变阈值输出θij的比较,判断神经元是否点火,即是否产生脉冲,从而得到当前神经元在当前时刻的输出Yij(n)。
脉冲耦合神经元(PCN-Pulse Coupled Neutron)的作用过程:PCN接受外部输入和其他PCN输入,输入经过调制后产生内部行为Uij,Uij与按时间衰减的变阈值θij比较,判断神经元是否点火、是否产生脉冲,即输出结果为1(发放脉冲)或0(不响应)。当PCN产生脉冲时,PCN的阈值通过反馈得到迅速提高,当θij>Uij,脉冲产生器就被关掉,停止发放脉冲;然后,阈值θij开始按时间指数αθ下降;当θij≤Uij,脉冲产生器被打开,PCN被点火,再次处于激活状态,输出脉冲。
本发明在利用PCNN对印刷品进行划痕检测时,每个像素点的亮度输入到对应的神经元的F通道,同时每个神经元与其3×3邻域中的其他神经元相连。邻域中的其他神经元的输出脉冲输入到该神经元的L通道,每个神经元的输出只有两种状态,点火或不点火,即输出为1或0,每个神经元的连接方式如图2所示。
本发明实施例提供的一种印刷品划痕检测方法,具体步骤为如图3所示:首先将印刷品的彩色图像灰度化,再利用前述的基于PCNN和图像熵的图像分割方法分别将标准模板印刷品图像与待检测印刷品图像进行图像分割,最后利用图像差分法(即直接将分割后的标准模板二值图像与待检测二值图像进行相减运算)将待检测图像中可能存在的划痕检测出来。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。