基于稀疏表示的圖像缺陷檢測(cè)算法研究.pdf

1、表面缺陷檢測(cè)是工業(yè)流水線上的重要一環(huán)。傳統(tǒng)的表面圖像缺陷檢測(cè)方法一般分為兩個(gè)階段：特征選取和缺陷識(shí)別。這類方法受限于圖像特征的選擇，針對(duì)不同的對(duì)象要設(shè)計(jì)不同的特征提取方法，提取不同的特征，因此適用于多對(duì)象的通用圖像缺陷檢測(cè)算法將是一個(gè)重要的研究方向。近年來，稀疏表達(dá)在多個(gè)領(lǐng)域得到廣泛應(yīng)用，并且在圖像處理領(lǐng)域取得了良好的效果。本文著重研究了將稀疏表示應(yīng)用于圖像缺陷檢測(cè)的三個(gè)關(guān)鍵步驟:缺陷檢測(cè)模型、字典學(xué)習(xí)和稀疏分解。主要研究?jī)?nèi)容如下：

2、r>　　(1)查閱了大量國(guó)內(nèi)外參考文獻(xiàn)，討論了現(xiàn)階段圖像缺陷檢測(cè)算法中的關(guān)鍵技術(shù)，分析了傳統(tǒng)方法存在的不足。在稀疏表示理論基礎(chǔ)上，提出新的缺陷檢測(cè)模型，以圖像在冗余字典下表出系數(shù)的稀疏度判斷圖像是否為缺陷圖像，然后用全局系數(shù)特征對(duì)缺陷進(jìn)行提取，得到缺陷的二值化圖像。
　　(2)分析比較了現(xiàn)有的幾種經(jīng)典字典學(xué)習(xí)算法，討論了將其應(yīng)用于圖像處理時(shí)存在的缺點(diǎn)，提出新的字典學(xué)習(xí)算法，新算法在OLM字典學(xué)習(xí)算法基礎(chǔ)上引入BPG算法，在求解多重

3、凸優(yōu)化問題時(shí)引進(jìn)遞推系數(shù)，在保留OLM算法優(yōu)點(diǎn)的同時(shí)，解決了OLM算法在更新字典時(shí)采用的塊坐標(biāo)法效率不高的問題。實(shí)驗(yàn)結(jié)果表明，新的字典學(xué)習(xí)算法相比OLM和其他算法學(xué)習(xí)速度更快，訓(xùn)練出的字典性能更佳。
　　(3)針對(duì)OMP稀疏分解算法復(fù)雜度高的問題，考慮到用于字典訓(xùn)練的無缺陷圖像樣本和待檢測(cè)的圖像之間存在很大的相關(guān)性，受遷移學(xué)習(xí)思想的啟發(fā)，在OMP算法的基礎(chǔ)上引入先驗(yàn)矩陣，提出改進(jìn)的OMP算法。并用樣本集對(duì)算法進(jìn)行了驗(yàn)證，改進(jìn)的OM