CN115908399A - 一种基于改进视觉注意机制的磁片瑕疵检测方法 - Google Patents

Abstract

本发明公开一种基于改进视觉注意机制的磁片瑕疵检测方法，包括如下步骤：获取待检测磁片图像，进行预处理；提取图像的亮度、朝向、边缘初级特征：基于亮度、朝向、边缘特征图像进行多尺度采样，构建多尺度金字塔；采取中央—周边差采样方式获取亮度、朝向、边缘特征对比映射图；基于亮度、朝向、边缘特征对比映射图归一化处理后合并为子显著图；基于亮度、朝向、边缘子显著图构建亮度、朝向、边缘显著图；基于亮度、朝向、边缘显著图归一化操作，线性相加得全局总显著图；基于全局总显著图检测磁片瑕疵区域。本发明提出了一种基于亮度、朝向、边缘三特征获取磁片瑕疵区域的方法，相较于传统ITTI算法对低对比度瑕疵目标检测适应性更高。

Description

一种基于改进视觉注意机制的磁片瑕疵检测方法

技术领域

本发明涉及一种基于改进视觉注意机制的磁片瑕疵检测方法，属于图像检测技术领域

背景技术

磁片是电子信息产品中极为重要的部件。在磁片生产中，磁片瑕疵检测一直是困扰人们的问题。目前磁片瑕疵检测仍旧是采用传统的肉眼观察方法。然而随着工业化量产，这种方法不仅耗费大量人力物力，并且人工检测极易因为一些非客观因素的影响，出现效率低下、漏检、误检等低等级失误。因此本发明提出的基于改进视觉注意机制的检测方法，不仅能够克服上述传统检测的缺陷，还可以最大程度上适应磁片的工业化流水线生产。

利用视觉注意机制进行目标检测是目前最为常见的一种检测方法。当人类的视觉神经系统接收到大量的感觉刺激，会表现出差异性反应。通常来说，只会对场景中显著性较高的区域进行观察、分析，而忽略在我们注意焦点之外的信息。所谓显著性，就是在复杂视觉场景中与周遭环境产生较大反差得以区分提取的特性，也可以指特定个体主观意识中的“兴趣点”。视觉注意机制(Visual Attention Mechanism)模型就是依据人类视觉神经网络建立的一种数学模型，首先对输入图像进行线性滤波，分离图像的初级特征，利用多尺度采样构建高斯金字塔，根据视网膜的中央周边采样提取出图像特征图，最终对获取的特征图进行归一化并进行线性叠加形成显著图。显著图相比较输入图像，可以极大抑制冗余信息，突出有效信息，极大缩短检测过程。

视觉注意机制的原理就是抑制冗余信息，增强有效信息。本发明目的是用于磁片瑕疵检测，使用一种改进的视觉注意机制增强磁片瑕疵区域与正常区域之间的对比度，进而实现对磁片瑕疵区域的检测。

发明内容

本发明要克服现有技术的上述缺陷，提供一种基于改进视觉注意机制的磁片瑕疵检测方法，提出了一种基于亮度、朝向、边缘三个初级特征的检测模型，相较于传统的视觉注意机制模型对低对比度目标具有更好的检测效果。

为达到以上目的，本发明提供了一种基于改进视觉注意机制的磁片瑕疵检测方法，包括如下步骤：

S1.获取待检测磁片图像，针对其灰度值进行自适应阈值调整，强化图像信息；

S2.提取磁片图像的亮度、朝向、边缘三种底层初级特征：

S3.基于底层初级特征图像进行多尺度采样，构建多尺度金字塔；

S4.基于多尺度金字塔构建全局显著图；

S5.基于最大化阈值分割处理全局总显著图，标注磁片瑕疵区域。

其中，步骤S1包括：

获取待检测磁片图像，针对待检测区域灰度值对图像进行自适应阈值调整，减少背景区域像素在整张图片中显著性的占比；使用双边滤波核函数对待检测图像进行卷积处理，消除采集过程中掺杂的噪声以及无用细节信息，突出图像中的显著区域。

其中，步骤S2包括：

S21.亮度特征提取：对双边滤波后图像进行点对点相乘，处理后的图像进行灰度值最大化处理，对经过处理后的图像进行像素取反，获得图像的亮度特征。

S22.朝向特征提取：采用卷积核尺寸为19×19的Gabor滤波器，从0°，45°，90°，135°四个方向对磁片图片进行卷积，当磁片在某一频率和方向上有明显变化时，Gabor滤波器会对该方向呈现出最大响应，公式包括：

x'＝xcos(θ)-ysin(θ)                            (2)

y'＝-xsin(θ)-ycos(θ)                           (3)

经过实验本发明选取19×19的矩形作为卷积核，参数选取γ＝1，λ＝7，δ＝3.5，θ∈{0°,45°,90°,135°}获得四个方向的朝向特征。

S23.边缘特征提取：基于一种改进Canny边缘算法，提取磁片的边缘特征。使用一种3×3梯度模板计算像素之间的距离，对图像垂直方向以及对角线方向上的梯度进行加权求和，监测边缘区域灰度值梯度变化，将梯度幅值大的点标记为候选边缘点。

其中，步骤S3包括：

将特征图像作为底层图像构建多尺度金字塔，以特征图像分辨率作为0尺度图像，以2作为递减因子，对0尺度图像进行处理，分辨率每递减一次，图像层数相应加一，直至5尺度图像。

其中，步骤S4包括：

S41.采取中央—周边差采样方式获取亮度、朝向、边缘特征对比映射图，选取(0,3)、(1,4)、(2,5)三组图集，利用插值处理特征组图像，保持组内图像尺寸一致，降低单个像素点中反应的信息量，点对点作差映射出特征图像中的显著信息。

S42.在缺乏自顶而下监督的情况下，定义一种图像归一化操作算子N(.)，计算最大值M和所有其他的局部极值的平均值m；最后将整幅图像与(M-m)²相乘，将显著图的取值范围确定到一个固定范围[0..255]。

S43.基于以上步骤可分别得到亮度、朝向、边缘特征在(0,3)、(1,4)、(2,5)图集下的对比映射图，归一化特征对比映射图，抑制共性区域，突出显著区域将其合并为子特征显著图，所用公式如下：

其中，I^f表示亮度子特征显著图，

表示朝向子特征显著图，C^f表示边缘子特征显著图,c∈{0,1,2},s＝c+3。将上述亮度、朝向、边缘子特征显著图图集合并为显著图，所用公式如下：

其中，

表示亮度显著图，

表示朝向显著图，

表示边缘显著图。对亮度显著图，朝向显著图和边缘显著图均进行归一化操作，得到权值相等的3幅图片，相加后去平均值得到全局总显著图，公式如下：

其中，步骤S5包括：使用最大熵阈值自动获取显著图的分割阈值，基于阈值对显著图进行二值分割，创建磁片瑕疵区域数据集，使用二值图像形态学运算对数据集进行数据跟踪，针对不同数据参数对磁片瑕疵区域进行标注。

本发明的工作原理是：利用自适应阈值调整图片整体灰度值，增强待检测区域信息，提取磁片图像亮度、朝向、边缘三种初级特征，模拟人类视觉注意机制构建多尺度高斯金字塔模型获取磁片瑕疵显著图，基于最大化阈值分割算法创建磁片瑕疵区域数据集，使用二值图像形态学运算对数据集进行数据跟踪，针对不同数据参数对磁片瑕疵区域进行标注。

本发明的优点是：使用自适应阈值调整灰度值降低白色背景区域占比，同时模拟视觉注意机制，利用亮度、朝向、边缘特征提取磁片全局显著图，可以最大程度消除无关信息对中心待检区域的影响，有助于提高计算速度以及准确度。

附图说明

图1是本发明公开的基于改进视觉注意机制的磁片瑕疵检测方法的实施流程图；

图2a-图2b是Sobel算子的梯度模板，其中图2a是垂直方向模板，图2b是水平方向模板；

图3是非极大值抑制操作示意图；

图4a-图4c是磁片典型瑕疵图的检测结果图，其中图4a是待检测图像，图4b是掉皮瑕疵标注图像，图4c是亮斑瑕疵标注图像。

具体实施方式

下面通过具体实施示例，并结合附图，对本发明的具体实施方式作进一步具体说明。

如图1所示，基于改进视觉注意机制的磁片瑕疵检测方法，具体步骤为：

S1.获取待检测磁片图像，针对其灰度值进行自适应阈值调整，强化图像信息；

S2.提取磁片图像的亮度、朝向、边缘三种底层初级特征：

S3.基于底层初级特征图像进行多尺度采样，构建多尺度金字塔；

S4.基于多尺度金字塔构建全局显著图；

S5.基于最大化阈值分割处理全局总显著图，标注磁片瑕疵区域。

其中，步骤S1包括：

使用工业相机获取待检测的磁片图像，首先针对采集图像存在白色背景区域，进行针对性的灰度值自适应阈值调整，减少背景区域像素在整张图片中显著性的占比；使用双边滤波核函数对待检测图像进行卷积处理，消除采集过程中掺杂的噪声以及无用细节信息，突出图像中的显著区域。

其中，步骤S2包括：

S21.亮度特征提取：对双边滤波处理后的图像进行点对点相乘，然后进行最大化灰度值处理，对经过处理后的图像使用像素取反，获得图像的亮度特征。

S22.朝向特征提取：采用卷积核尺寸为19×19的Gabor滤波器，从0°，45°，90°，135°四个方向对磁片图片进行卷积，当磁片在某一频率和方向上有明显变化时，Gabor滤波器会对该方向呈现出最大响应。公式包括：

x'＝xcos(θ)-ysin(θ)                           (2)

y'＝-xsin(θ)-ycos(θ)                          (3)

经过实验本发明选取19×19的矩形作为卷积核，参数选取γ＝1，λ＝7，δ＝3.5，θ∈{0°,45°,90°,135°}获得四个方向的朝向特征。

S23.边缘特征提取：基于一种改进Canny边缘算法，提取磁片的边缘特征，使用一种3×3梯度模板，如图2所示，对图像分别从x，y两个方向进行卷积操作，计算像素之间的城市距离。对图像垂直方向以及对角线方向上的梯度进行加权求和，监测边缘区域灰度值梯度变化，进行非极大值抑制冗余点。如图3所示，在3×3邻域内，将中心点A(i,j)周围像素分为8个方向邻域，对于每个像素点，如果A(i,j)的梯度幅值比其梯度方向上相邻2个像素点A1和A2的梯度幅值大，将该点标记为候选边缘点，获取图像边缘特征。

其中，步骤S3包括：

将特征图像作为底层图像构建多尺度金字塔，以特征图像分辨率作为0尺度图像，以2作为递减因子，对0尺度图像进行处理，分辨率每递减一次，图像层数相应加一，直至5尺度图像。

其中，步骤S4包括：

S41.采取中央—周边差采样方式获取亮度、朝向、边缘特征对比映射图，选取(0,3)、(1,4)、(2,5)三组图集，利用插值处理特征组图像，保持组内图像尺寸一致，降低单个像素点中反应的信息量，点对点作差映射出特征图像中的显著信息。

S42.在缺乏自顶而下监督的情况下，定义一种图像归一化操作算子N(.)，计算最大值M和所有其他的局部极值的平均值m；最后将整幅图像与(M-m)²相乘，将显著图的取值范围确定到一个固定范围[0..255]。

S43.基于以上步骤可分别得到亮度、朝向、边缘特征在(0,3)、(1,4)、(2,5)图集下的对比映射图，归一化特征对比映射图，抑制共性区域，突出显著区域将其合并为子特征显著图，所用公式如下：

其中，I^f表示亮度子特征显著图，

表示朝向子特征显著图，C^f表示边缘子特征显著图,c∈{0,1,2},s＝c+3。将上述亮度、朝向、边缘子特征显著图图集合并为显著图，所用公式如下：

其中，

表示亮度显著图，

表示朝向显著图，

表示边缘显著图。对亮度显著图，朝向显著图和边缘显著图均进行归一化操作，得到权值相等的3幅图片，相加后去平均值得到全局总显著图，公式如下：

其中，步骤S5包括：

使用最大熵阈值自动获取显著图的分割阈值，基于阈值对显著图进行二值分割，创建磁片瑕疵区域数据集，使用二值图像形态学运算对数据集进行数据跟踪，针对不同数据参数对磁片瑕疵区域进行标注,掉皮瑕疵以及亮斑瑕疵检测效果图分别如图4b、图4c所示。

Claims (6)

1.一种基于改进视觉注意机制的磁片瑕疵检测方法，其特征在于，包括如下步骤：

S1.获取待检测磁片图像，针对其灰度值进行自适应阈值调整，强化图像信息；

S2.提取磁片图像的亮度、朝向、边缘三种底层初级特征：

S3.基于底层初级特征图像进行多尺度采样，构建多尺度金字塔；

S4.基于多尺度金字塔构建全局显著图；

S5.基于最大化阈值分割处理全局总显著图，标注磁片瑕疵区域。

2.根据权利要求1所述的一种基于改进视觉注意机制的磁片瑕疵检测方法，其特征在于：

步骤S1所述的针对其灰度值进行自适应阈值调整：首先针对采集图像存在白色背景区域，进行针对性的灰度值自适应阈值调整，减少背景区域像素在整张图片中显著性的占比；使用双边滤波核函数对待检测图像进行卷积处理，消除采集过程中掺杂的噪声以及无用细节信息，突出图像中的显著区域。

3.根据权利要求1所述的一种基于改进视觉注意机制的磁片瑕疵检测方法，其特征在于：

步骤S2包括：

S21.亮度特征提取：对双边滤波后图像进行点对点相乘，处理后的图像进行灰度值最大化处理，对经过处理后的图像进行像素取反，获得图像的亮度特征。

S22.朝向特征提取：采用卷积核尺寸为19×19的Gabor滤波器，从0°，45°，90°，135°四个方向对磁片图片进行卷积，当磁片在某一频率和方向上有明显变化时，Gabor滤波器会对该方向呈现出最大响应，公式包括：

x'＝xcos(θ)-ysin(θ)                            (2)

y'＝-xsin(θ)-ycos(θ)                           (3)

经过实验本发明选取19×19的矩形作为卷积核，参数选取γ＝1，λ＝7，δ＝3.5，θ∈{0°,45°,90°,135°}获得四个方向的朝向特征。

S23.边缘特征提取：基于一种改进Canny边缘算法，提取磁片的边缘特征。使用一种3×3梯度模板计算像素之间的距离，对图像垂直方向以及对角线方向上的梯度进行加权求和，监测边缘区域灰度值梯度变化，将梯度幅值大的点标记为候选边缘点。

4.根据权利要求1所述的一种基于改进视觉注意机制的磁片瑕疵检测方法，其特征在于：

步骤S3包括：

将特征图像作为底层图像构建多尺度金字塔，以特征图像分辨率作为0尺度图像，以2作为递减因子，对0尺度图像进行处理，分辨率每递减一次，图像层数相应加一，直至5尺度图像。

5.根据权利要求1所述的一种基于改进视觉注意机制的磁片瑕疵检测方法，其特征在于：

步骤S4包括：

S41.采取中央—周边差采样方式获取亮度、朝向、边缘特征对比映射图，选取(0,3)、(1,4)、(2,5)三组图集，利用插值处理特征组图像，保持组内图像尺寸一致，降低单个像素点中反应的信息量，点对点作差映射出特征图像中的显著信息。

S42.在缺乏自顶而下监督的情况下，定义一种图像归一化操作算子N(.)，计算最大值M和所有其他的局部极值的平均值m；最后将整幅图像与(M-m)²相乘，将显著图的取值范围确定到一个固定范围[0..255]。

S43.基于以上步骤可分别得到亮度、朝向、边缘特征在(0,3)、(1,4)、(2,5)图集下的对比映射图，归一化特征对比映射图，抑制共性区域，突出显著区域将其合并为子特征显著图，所用公式如下：

其中，I^f表示亮度子特征显著图，

表示朝向子特征显著图，C^f表示边缘子特征显著图,c∈{0,1,2},s＝c+3。将上述亮度、朝向、边缘子特征显著图图集合并为显著图，所用公式如下：

其中，

表示亮度显著图，

表示朝向显著图，

表示边缘显著图。对亮度显著图，朝向显著图和边缘显著图均进行归一化操作，得到权值相等的3幅图片，相加后去平均值得到全局总显著图，公式如下：

6.根据权利要求1所述的一种基于改进视觉注意机制的磁片瑕疵检测方法，其特征在于：

步骤S5包括：使用最大熵阈值自动获取显著图的分割阈值，基于阈值对显著图进行二值分割，创建磁片瑕疵区域数据集，使用二值图像形态学运算对数据集进行数据跟踪，针对不同数据参数对磁片瑕疵区域进行标注。

Images