轿车流线型曲面缺陷的图像识别与检测方法研究
苗佳 赵永来
摘 要： 提出一种基于灰度像素邻域模板匹配的轿车流线型曲面缺陷的图像识别与检测方法，采用图像处理方法进行轿车流线型曲面缺陷识别，提高轿车表面缺陷的智能修复能力。对采集的轿车表面图像进行降噪提纯处理，利用自适应权重均衡分割方法进行图像分割，采用Retinex信息增强方法进行曲面缺陷图像增强处理，结合灰度像素邻域模板匹配方法进行缺陷识别与检测。仿真结果表明，采用该方法进行轿车流线型曲面缺陷的图像识别，检测的准确匹配概率较高，对缺陷部位的定位较准，性能优越。
关键词： 图像识别； 曲面缺陷； 图像检测； Retinex信息增强
中图分类号： TN911.73?34； TP391 文献标识码： A 文章编号： 1004?373X（2017）20?0095?03
Abstract： For car′s streamline curved surface defect， an image recognition and detection method based on grayscale pixel neighborhood template matching is put forward in this paper. The image processing method is used to recognize the streamline curved surface defect of car to improve the intelligent repair ability of car′s surface defect. The captured surface image of the car is processed with noise reduction and purification. The adaptive weight balanced segmentation method is used for image segmentation. The Retinex information enhancement method is adopted to enhance the image with curved surface defect， and combined with the grayscale pixel neighborhood template matching method to recognize and detect the defect. The simulation results show that the method has high accurate?matching probability for detection， precise positioning for defect parts and high performance while it is used to recognize the streamline curved surface defect of car.
Keywords： image recognition； curved surface defect； image detection； Retinex information enhancement
0 引 言
图像作为数字信息处理的重要应用方向，在机械加工、目标识别、表面缺陷检测和信息修复等领域都展示了重要的应用价值[1]。研究图像处理在轿车表面曲面中的缺陷检测识别中的问题，由于采用人工校准方法进行轿车流线型曲面缺陷识别受到视线和光照等因素的影响，对缺陷部位的准确定位检测准确性不好。因此需要研究一种智能的轿车流线型曲面缺陷的检测方法，提出基于灰度像素邻域模板匹配的轿车流线型曲面缺陷的图像识别与检测方法，结合图像处理方法进行缺陷识别和检测，取得了较好研究成果。
1 轿车流线型曲面图像采集处理
1.1 轿车表面图像采集
为了实现对轿车流线型曲面图像的缺陷部位检测，首先进行图像的信息采集和图像降噪提纯处理，构建图像检测识别信息加工模型，采用自适应降噪方法进行图像边缘轮廓分割和图像检测，在二维邻域的信息素模板中對轿车流线型曲面图像进行信息素分解[2]，在图像的初始种子点处进行信息配对，采用图像小波信息融合方法计算轿车流线型曲面缺陷的低频分量，求解公式为：
1.2 图像降噪及分割处理
对采集的轿车表面图像进行降噪提纯处理，采用自适应权重均衡分割方法进行图像分割，对轿车流线型曲面图像边缘的亮点局部跟踪[4]，得到输出轿车流线型曲面图像的纹理像素点增量表示为：
把检测输出轿车流线型曲面图像分成几个子集，得到水平和垂直方向的分割尺度为[P1=k=1hp（k）g（i，j）×2k-1]和[P2=k=1hp*（k）g（i，j）×2k-1]。通过上述处理，实现轿车流线型曲面图像降噪及分割处理，为进行缺陷识别和检测提供有效图像信息输入。
2 缺陷图像识别与检测实现
2.1 曲面缺陷图像增强处理
在上述进行轿车流线型曲面缺陷的采集和预处理的基础上，进行缺陷识别检测，提出基于灰度像素邻域模板匹配的轿车流线型曲面缺陷的图像识别与检测方法，采用自适应权重均衡分割方法进行图像分割，采用Retinex信息增强方法进行曲面缺陷图像增强处理[5]，得到Retinex信息增强通过上述方法计算缺陷部位的梯度值，进行图像识别检测。
2.2 图像缺陷检测实现
采用图像特征分割和平滑分类模型[7]，结合灰度像素邻域模板匹配得到曲面图像缺陷尺度值归一化表达式为：
[u]为图像[pi，j]的缺陷部位的梯度下降函数，[i，j]为缺陷部位和完好部位像素点之间的特征差异值。通过缺陷部位和完好部位的特征点匹配，进行图像的灰度像素邻域模板匹配分析，实现图像的缺陷识别和检测。
3 仿真实验分析
为了测试本文算法在实现轿车流线型曲面缺陷的图像识别与检测中的性能，进行仿真实验。实验的硬件环境为主处理器为Intel[?] Pentium[?]Dual，主频为1.8 GHz的计算机。实验的软件环境为Matlab 7。采用三维激光扫描成像技术进行轿车流线型曲面图像扫描，图像扫描的像素特征点总数为15，图像特征分割的尺度为10，初始成像的灰度像素值为1 024×1 024，缺陷部位检测的迭代次数为120次，迭代步长为14，边缘轮廓输出边缘值为10.2，设定阈值[ε]=1.0，特征分块尺度为[a]=0.25，缺陷部位的标定误差0.1 mm。根据上述仿真环境和参数设定，进行轿车流线型曲面缺陷检测仿真分析，得到原始图像如图2所示。
分析图3结果得知，采用本文方法进行轿车表面的缺陷识别检测，能准确识别图像的缺陷部位，具有较高的检测性能。为了定量对比检测性能，以准确检测概率为测试指标，采用不同方法得到轿车流线型曲线缺陷的识别与检测，得到结果如图3所示。
分析图3得知，采用本文方法进行轿车流线型曲线缺陷的识别与检测的准确度较高，性能优于传统方法。
4 结 语
为了提高轿车表面缺陷的智能修复能力，提出基于灰度像素邻域模板匹配的轿车流线型曲面缺陷的图像识别与检测方法。仿真结果表明，采用该方法进行轿车流线型曲面缺陷的图像识别，检测的准确匹配概率较高，对缺陷部位的定位较准，性能优越，具有实用价值。
参考文献
[1] 林兆华，米阳，葛兵.一种粗精结合的快速图像自动调焦算法[J].国外电子测量技术，2015，34（10）：28?31.
[2] 骆健，蒋旻.基于RGB?D图像核描述子的物体识别方法[J].计算机应用，2017，37（1）：255?261.
[3] SHU Zhifeng， DOU Xiankang， XIA Haiyun， et al. Low stratospheric wind measurement using mobile Rayleigh Doppler wind LIDAR [J]. Journal of the Optical Society of Korea， 2012， 16（2）： 141?144.
[4] 施晓东，刘格.一种光学遥感图像海陆分割方法[J].国外电子测量技术，2014，33（11）：29?32.
[5] 杨霞，刘志伟，雷航.基于TrustZone的指纹识别安全技术研究与实现[J].计算机科学，2016，43（7）：147?152.
[6] 李积英，党建武，王阳萍.融合量子克隆进化与二维Tsallis熵的医学图像分割算法[J].計算机辅助设计与图形学学报，2014，26（3）：465?471.
[7] 刘婷，程建.基于训练字典的遥感图像融合[J].计算机工程与应用，2013，49（19）：135?140.
[8] 王利，杨征，李洋.特征聚合的遥感图像数据库检索技术[J].激光杂志，2016，37（6）：78?81.
摘 要： 提出一种基于灰度像素邻域模板匹配的轿车流线型曲面缺陷的图像识别与检测方法，采用图像处理方法进行轿车流线型曲面缺陷识别，提高轿车表面缺陷的智能修复能力。对采集的轿车表面图像进行降噪提纯处理，利用自适应权重均衡分割方法进行图像分割，采用Retinex信息增强方法进行曲面缺陷图像增强处理，结合灰度像素邻域模板匹配方法进行缺陷识别与检测。仿真结果表明，采用该方法进行轿车流线型曲面缺陷的图像识别，检测的准确匹配概率较高，对缺陷部位的定位较准，性能优越。
关键词： 图像识别； 曲面缺陷； 图像检测； Retinex信息增强
中图分类号： TN911.73?34； TP391 文献标识码： A 文章编号： 1004?373X（2017）20?0095?03
Abstract： For car′s streamline curved surface defect， an image recognition and detection method based on grayscale pixel neighborhood template matching is put forward in this paper. The image processing method is used to recognize the streamline curved surface defect of car to improve the intelligent repair ability of car′s surface defect. The captured surface image of the car is processed with noise reduction and purification. The adaptive weight balanced segmentation method is used for image segmentation. The Retinex information enhancement method is adopted to enhance the image with curved surface defect， and combined with the grayscale pixel neighborhood template matching method to recognize and detect the defect. The simulation results show that the method has high accurate?matching probability for detection， precise positioning for defect parts and high performance while it is used to recognize the streamline curved surface defect of car.
Keywords： image recognition； curved surface defect； image detection； Retinex information enhancement
0 引 言
图像作为数字信息处理的重要应用方向，在机械加工、目标识别、表面缺陷检测和信息修复等领域都展示了重要的应用价值[1]。研究图像处理在轿车表面曲面中的缺陷检测识别中的问题，由于采用人工校准方法进行轿车流线型曲面缺陷识别受到视线和光照等因素的影响，对缺陷部位的准确定位检测准确性不好。因此需要研究一种智能的轿车流线型曲面缺陷的检测方法，提出基于灰度像素邻域模板匹配的轿车流线型曲面缺陷的图像识别与检测方法，结合图像处理方法进行缺陷识别和检测，取得了较好研究成果。
1 轿车流线型曲面图像采集处理
1.1 轿车表面图像采集
为了实现对轿车流线型曲面图像的缺陷部位检测，首先进行图像的信息采集和图像降噪提纯处理，构建图像检测识别信息加工模型，采用自适应降噪方法进行图像边缘轮廓分割和图像检测，在二维邻域的信息素模板中對轿车流线型曲面图像进行信息素分解[2]，在图像的初始种子点处进行信息配对，采用图像小波信息融合方法计算轿车流线型曲面缺陷的低频分量，求解公式为：
1.2 图像降噪及分割处理
对采集的轿车表面图像进行降噪提纯处理，采用自适应权重均衡分割方法进行图像分割，对轿车流线型曲面图像边缘的亮点局部跟踪[4]，得到输出轿车流线型曲面图像的纹理像素点增量表示为：
把检测输出轿车流线型曲面图像分成几个子集，得到水平和垂直方向的分割尺度为[P1=k=1hp（k）g（i，j）×2k-1]和[P2=k=1hp*（k）g（i，j）×2k-1]。通过上述处理，实现轿车流线型曲面图像降噪及分割处理，为进行缺陷识别和检测提供有效图像信息输入。
2 缺陷图像识别与检测实现
2.1 曲面缺陷图像增强处理
在上述进行轿车流线型曲面缺陷的采集和预处理的基础上，进行缺陷识别检测，提出基于灰度像素邻域模板匹配的轿车流线型曲面缺陷的图像识别与检测方法，采用自适应权重均衡分割方法进行图像分割，采用Retinex信息增强方法进行曲面缺陷图像增强处理[5]，得到Retinex信息增强通过上述方法计算缺陷部位的梯度值，进行图像识别检测。
2.2 图像缺陷检测实现
采用图像特征分割和平滑分类模型[7]，结合灰度像素邻域模板匹配得到曲面图像缺陷尺度值归一化表达式为：
[u]为图像[pi，j]的缺陷部位的梯度下降函数，[i，j]为缺陷部位和完好部位像素点之间的特征差异值。通过缺陷部位和完好部位的特征点匹配，进行图像的灰度像素邻域模板匹配分析，实现图像的缺陷识别和检测。
3 仿真实验分析
为了测试本文算法在实现轿车流线型曲面缺陷的图像识别与检测中的性能，进行仿真实验。实验的硬件环境为主处理器为Intel[?] Pentium[?]Dual，主频为1.8 GHz的计算机。实验的软件环境为Matlab 7。采用三维激光扫描成像技术进行轿车流线型曲面图像扫描，图像扫描的像素特征点总数为15，图像特征分割的尺度为10，初始成像的灰度像素值为1 024×1 024，缺陷部位检测的迭代次数为120次，迭代步长为14，边缘轮廓输出边缘值为10.2，设定阈值[ε]=1.0，特征分块尺度为[a]=0.25，缺陷部位的标定误差0.1 mm。根据上述仿真环境和参数设定，进行轿车流线型曲面缺陷检测仿真分析，得到原始图像如图2所示。
分析图3结果得知，采用本文方法进行轿车表面的缺陷识别检测，能准确识别图像的缺陷部位，具有较高的检测性能。为了定量对比检测性能，以准确检测概率为测试指标，采用不同方法得到轿车流线型曲线缺陷的识别与检测，得到结果如图3所示。
分析图3得知，采用本文方法进行轿车流线型曲线缺陷的识别与检测的准确度较高，性能优于传统方法。
4 结 语
为了提高轿车表面缺陷的智能修复能力，提出基于灰度像素邻域模板匹配的轿车流线型曲面缺陷的图像识别与检测方法。仿真结果表明，采用该方法进行轿车流线型曲面缺陷的图像识别，检测的准确匹配概率较高，对缺陷部位的定位较准，性能优越，具有实用价值。
参考文献
[1] 林兆华，米阳，葛兵.一种粗精结合的快速图像自动调焦算法[J].国外电子测量技术，2015，34（10）：28?31.
[2] 骆健，蒋旻.基于RGB?D图像核描述子的物体识别方法[J].计算机应用，2017，37（1）：255?261.
[3] SHU Zhifeng， DOU Xiankang， XIA Haiyun， et al. Low stratospheric wind measurement using mobile Rayleigh Doppler wind LIDAR [J]. Journal of the Optical Society of Korea， 2012， 16（2）： 141?144.
[4] 施晓东，刘格.一种光学遥感图像海陆分割方法[J].国外电子测量技术，2014，33（11）：29?32.
[5] 杨霞，刘志伟，雷航.基于TrustZone的指纹识别安全技术研究与实现[J].计算机科学，2016，43（7）：147?152.
[6] 李积英，党建武，王阳萍.融合量子克隆进化与二维Tsallis熵的医学图像分割算法[J].計算机辅助设计与图形学学报，2014，26（3）：465?471.
[7] 刘婷，程建.基于训练字典的遥感图像融合[J].计算机工程与应用，2013，49（19）：135?140.
[8] 王利，杨征，李洋.特征聚合的遥感图像数据库检索技术[J].激光杂志，2016，37（6）：78?81.
