张淑艳

摘 要：为了准确检测带钢缺陷，提出了基于视觉注意机制的检测方法。该方法通过高斯函数的二阶导数和Hibert变换构造多方向能量函数，用于提取带钢图像的方向特征图。根据Itti算法将方向特征图、颜色特征图和亮度特征图进行线性组合，得到带钢图像的显著图。然后应用胜者为王神经网络方法和区域生长法在显著图上获得带钢图像的缺陷区域，最后在带钢缺陷图像上验证所提方法。实验结果表明，所提方法能准确检测出带钢图像的缺陷区域。

关键词：视觉注意机制；带钢缺陷；方向能量图；能量函数

中图分类号：TP391.41 文献标识码：A DOI：10.15913/j.cnki.kjycx.2016.18.009

带钢表面缺陷检测对于提高带钢质量有非常重要的作用。目前，国内外对基于视觉注意机制的带钢缺陷检测技术的研究比较多，也取得了一些成功。视觉注意机制有利于解决数据筛选问题，能够提高机器视觉系统的处理效率。将视觉注意机制引入带钢缺陷检测系统中，能够有效减少噪声的影响，加快计算速度。这是带钢缺陷检测的一种有效途径。徐帅华等人提出了基于视觉注意机制的带钢缺陷检测算法，以满足实时在线检测的要求，从而提高检测率。但是，该方法未能解决存在伪目标和直接相加容易降低目标显著度的问题。丛家慧等人提出了一种基于视觉注意机制模型的带钢表面缺陷检测方法，通过构建Gabor滤波器建立多尺度、多方位的多通道图像，线性组合这些特征图像得到显著图，从而准确检测出缺陷检测区域。

本文依据Itti算法实现带钢缺陷检测。通过高斯函数的二阶导数和Hibert变换构造多方向能量函数，从多尺度、多方位提取带钢图像的特征图像，然后将提取的特征图像线性组合，从而获得带钢图像的显著图。在显著图像上应用胜者为王神经网络方法和区域生长法能够实现带钢图像中缺陷区域的检测。

1 基于视觉注意机制的带钢缺陷检测

视觉注意机制的带钢缺陷检测方法主要有提取特征图、合成显著图、定位注意焦点和检测带钢缺陷4部分。

1.1 特征提取

利用高斯函数的二阶导数和Hibert变换构造方向能量图。用该方向能量图对带钢缺陷图像进行卷积，从而提取其方向特征图。

1.1.1 高斯函数的二阶导数

1.2.2 缺陷检测

显著性图中最显著的图像位置是显著图的最大值，所以，采用胜者为王神经网络方法获得显著图中最活跃的位置，并将其定义为注意焦点（FOA）。最后利用区域生长法将性质相似的注意焦点合并为视觉注意的显著区域，即带钢图像的缺陷区域。

2 实验结果

对所提方法在带钢缺陷图像上进行验证，带钢缺陷图像包括黄斑、划伤、夹杂和孔洞等。用Matlab为所提方法编程，实验结果如图2所示。由实验结果可知，采用所提方法可以准确检测带钢缺陷。

3 结论

针对带钢缺陷检测问题，提出了基于视觉注意机制的方法。该方法通过高斯函数的二阶导数和Hibert变换构造复指数滤波器，获得多方向能量函数。该能量函数具有方向选择性，能有效提取带钢缺陷图像的方向特征。基于Itti模型归一化，合成带钢缺陷图像的方向特征图、颜色特征图和亮度特征图，从而构成显著图。利用胜者为王神经网络方法和区域生长法获取显著区域，完成带钢图像的缺陷区域检测。实验结果表明，所提方法有效检测出了带钢图像缺陷区域。

参考文献

[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]徐帅华，陈龙龙，管声启，等.视觉显著性模型在带钢缺陷动态检测中的应用[J].西安工程大学学报，2014，28（6）： 755-759.

[4]丛家慧，颜云辉.视觉注意机制在带钢表面缺陷检测中的应用[J].中国机械工程，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.基于视觉注意机制的图像质量评价[J].东南大学学报（自然科学版），2012，42（5）：854-858.

[7]张亚红，杨欣，沈雷，等.基于视觉显著性特征的自适应目标跟踪[J].吉林大学学报（信息科学版），2015，33（2）：195-201.

[8]黎万义，王鹏，乔红.引入视觉注意机制的目标跟踪方法综述[J].自动化学报，2014，40（4）：561-576.

〔编辑：白洁〕