一种基于稀疏表示的低分辨率触摸屏图像缺陷检测方法
【专利摘要】本发明公开了一种基于稀疏表示的低分辨率触摸屏图像缺陷检测方法，包括下述步骤：S1、从正常的触摸屏图像训练集合中提取图像特征构建正常样本对应的原子库D；S2、对冗余的且含有噪声特征的原子库D进行优化筛选并选出子集D′，作为训练样本的稀疏表示字典；S3、在缺陷检测时，提取待检测图像y的特征，通过l1范数极小化求出y在D′下线性表出的系数；S4、若待检测图像y是无缺陷的触摸屏图像的，其在D′下线性表出的系数应该是稀疏的，反之则不稀疏。本发明利用无缺陷的触摸屏图像建立了过完备基的冗余原子库，对原子库中的原子进行优选构建冗余字典，根据无缺陷触摸屏图像可以由字典稀疏的线性重构，而带缺陷的图像则无法利用字典稀疏的线性重构这一特点对触摸屏图像进行缺陷检测。
【专利说明】
—种基于稀疏表示的低分辨率触摸屏图像缺陷检测方法
【技术领域】
[0001]本发明涉及触摸屏图像缺陷检测的【技术领域】，特别涉及一种基于稀疏表示的低分辨率触摸屏图像缺陷检测方法。
【背景技术】
[0002]随着信息技术和平面显示技术的迅速发展，全球触摸屏市场以年均47%的增长率迅猛增长。与此同时，对触摸屏生产工艺及质量控制的要求也越来越苛刻。如何在触摸屏生产过程中实现对其表面缺陷的实时、准确检测，阻断存在缺陷的触摸屏产品进入后序工序，降低生产成本，提高产品的质量，避免使用存在缺陷的触摸屏造成重大损失是触摸屏工业生产过程中的最重要环节之一。
[0003]计算机视觉技术的发展使得其在生产过程质量控制方面得到越来越多的应用，使用计算机视觉技术替代人工检测具有许多优势:快速、安全、准确、可靠、可重复性强。这些优点是以往人工检测所不能具备的，尤其是在产品表面质量控制方面。计算机视觉技术目前得到了广泛的应用，例如印刷品缺陷检测、聚酯产品表面缺陷检测、玻璃缺陷检测、纺织物缺陷检测、TFT-LCD面板缺陷检测以及印刷电路板PCB上的金属层缺陷检测等等。在相关的基于图像处理技术的产品表面缺陷检测方面，Tsai等人通过缺陷图像的奇异值分解(SVD)，利用奇异值重构来分离LCD面板图像的前景(缺陷)及背景纹理部分，并在基于熵测度的 PCB 板金属表面缺陷检测(Tsai D M, Lin B T.Defect detect1n of gold-platedsurfaces on PCBs using entropy measures[J].The Internat1nal Journal ofAdvanced Manufacturing Technology, 2002, 20(6):420-428.)中提出了根据颜色和结构信息来对印刷电路板PCB上的金属面板进行缺陷检测。另外，他们对带纹理的产品表面检测、具有统计特性纹理的产品表面检测等方面也都进行了相关的研究。陈晓红在基于机器视觉的触摸屏玻璃缺陷检测方法研究(硕士论文，华南理工大学，2013)中对触摸屏玻璃缺陷检测系统总体方案进行了设计，并初步探索了利用缺陷的几何形状及边缘检测等方法来进行触摸屏缺陷检测的方法。另外，基于多分辨率分析和信息融合的玻璃缺陷分类方法[J] (Liu H, Chen Y, Peng X, et al.A classificat1n method of glass defect based onmultiresolut1n and informat1n fus1n[J].The Internat1nal Journal of AdvancedManufacturing Technology, 2011, 56(9-12): 1079-1090.)则利用小波分析和人工神经网络来进行玻璃缺陷分类和识别。文献(Zhao J, Kong Q J, Zhao X, et al.A Method forDetect1n and Classificat1n of Glass Defects in Low Resolut1n Images[C]//Imageand Graphics (ICIG), 2011 Sixth Internat1nal Conference on.1EEE, 2011:642-647.)将二值特征直方图(Binary Feature Histogram)与AdaBoost算法相结合检测玻璃中的气泡与杂质，并能对二者进行区分检测。在基于机器视觉的一种在线浮法玻璃缺陷检测方法(Peng X, Chen Y, Yu W，et al.An online defects inspect1n method for float glassfabricat1n based on machine vis1n[J].The Internat1nal Journal of AdvancedManufacturing Technology, 2008, 39 (11-12): 1180-1189.)中提出了一套用于浮法玻璃缺陷的分布式在线检测系统，该系统可对气泡、油墨脏污、光学变形多种缺陷进行快速检测。
[0004]上述的这些缺陷检测研究大多集中在玻璃气泡、杂质的检测，LCD的显示效果、亮斑/黑斑检测等方面。在实际生产过程中，利用线阵CCD相机(Charge-coupled device)对触摸屏拍摄得到的图像中包含底纹，且触摸屏缺陷种类众多，如脏污、油墨、毛丝、异物等，加上光照条件、相机分辨率等问题，给利用图像处理手段进行触摸屏缺陷检测带来了较大的难度。
[0005]近年来，基于过完备冗余字典的稀疏表示方法引起了计算机视觉研究者的极大兴趣，该方法采用过完备基代替传统的正交基函数，在过完备基里寻求少量元素来表示图像特征。由于过完备基函数具有冗余性，对信号、图像具有更好的稀疏表达能力，基于冗余字典的稀疏表示作为一种有效表示模型已广泛应用于图像去噪、图像恢复、人脸识别、异常检测等图像处理及识别领域。
[0006]稀疏表示可以用很少的数据来表示高维样本，这启发了我们可以通过对正常样本集(无缺陷的触摸屏图像集)建立稀疏表示的字典，然后根据正常样本和异常样本(带有缺陷的触摸屏图像)在字典集上线性表出的稀疏度程度不同来进行触摸屏缺陷检测。
【发明内容】
[0007]本发明的主要目的在于克服现有技术的缺点与不足，提供一种基于稀疏表示的低分辨率触摸屏图像缺陷检测方法。
[0008]为了达到上述目的，本发明采用以下技术方案:
[0009]一种基于稀疏表示的低分辨率触摸屏图像缺陷检测方法，包括下述步骤:
[0010]S1、从正常的触摸屏图像训练集合中提取图像特征构建正常样本对应的原子库D ;
[0011]S2、对冗余的且含有噪声特征的原子库D进行优化筛选，从中提炼出一个最优、具有最小维数的子集D,，作为训练样本的稀疏表示字典；
[0012]S3、在缺陷检测时，使用与步骤SI同样的方法提取待检测图像y的特征，通过I1范数极小化求出y在D'下线性表出的系数；
[0013]S4、若待检测图像y是无缺陷的触摸屏图像的，其在D'下线性表出的系数应该是稀疏的，反之则不稀疏；对于无缺陷的触摸屏图像而言，由于其可以有效的利用训练字典D'稀疏地线性表出，即可以利用D'中的基底以很小的代价重构。
[0014]优选的，步骤SI中，原子库D的构建方法为:
[0015]将无缺陷的触摸屏图像进行分块，并将图像块作为原子构造字典，设图像块大小为KXK，构造得到无缺陷触摸屏图像的备选原子库为D，则D中每一个原子对应一个图像块，每一个原子即为每一列，均为K2XI的列向量，记D = OZ1,尖,…,‘]ef2xJV，K2
<< N;该备选原子库是冗余的，列原子之间有很大的相关性，因此需要对其进行训练优选，使得D中每一个列原子均能由D中其余的列原子线性表出，且表出的系数是稀疏的，即找出一个子集D'= \d jrd W ,d丨]e RK:X"，其中^ j2,…，jn e {I, 2，…，N}，使得D能够由
D’很好的稀疏重构，并使得D’中列原子数尽可能少。
[0016]优选的，步骤S2中，还包括对字典进行训练的步骤，字典训练问题建模为:
[0017]minIl zH0, s.t., Dz = df, and z.=0, j = \,?,.、Ν(I)
[0018]写成矩阵形式，SP:
[0019]
min' Il Z Il0， s.t.，DZ = D9 and diag(Z) = 0Nxl(2)
Ze.R /
[0020]其中Onxi为NX I的零向量，上述I。范数的求解是个NP-hard问题，仿照压缩感知理论，将上述的Itl极小化问题(2)转换为I1范数极小化问题，
[0021]
min Il Z H1, s.t., DZ = D, and diag(Z) = Owi(3)
z^rN/N
[0022]对每一个Clj，设是由D中除了第j列之外的其它列构成的矩阵，则可以把⑶写为下式:
[0023]
minMs.t., D"z' = dj, j =(4)
[0024]采用正交匹配追踪算法OMP算法对(4)式进行求解，得到4在0"下稀疏表示的系数^ ^对D中每一个列原子均使用上述求解方法，并在Z' ^的第j个元素位置插入一个O元素，使得Z' j扩展为NX I的列向量Z」，则可得到(3)式的解Z= {Zl, Z2, - ,zN} e Rnxn ；最后，统计Z中所有不全为零的行坐标，并选中这些行坐标对应的D中的列原子作为D'的列原子，完成字典的优选。
[0025]优选的，基于OMP的字典优选算法步骤如下:
[0026]输入:原子库DeMv''
[0027]输出:D'
[0028]1.1.对每一个 dj e D, j = I, 2，...，N
[0029]利用OMP算法求解
[0030],nI^vi Ilz lli> S.t.’ Dz =dj, i — 1,2,..., Λ
z
[0031 ] 得到利用D "来稀疏表示Clj的稀疏系数e R(N-m ;
[0032]1.2.在^」的第j个元素位置插入一个O元素，使得^」扩展为NX I的列向量Z」，得到⑶式的解Z= (Z1, Z2,-,zN} e Rnxn;
[0033]1.3.得到待选原子序号集合:Λ = {i, I I Zl I 10 ^ 0},其中Z1.表示Z的第i行；
[0034]1.4.构造 D' = Da = {dj} j e Λ °
[0035]优选的，对待检测图像Γ按权利要求2中的分块方法进行分块，待检测图像Γ的第i个图像块Γ ω在字典D'下的稀疏表示可通过求解下式的优化问题得到:
[0036]
min Il x U1 s t., 「=仏(5)
[0037](5)式可直接利用OMP算法进行求解，计算出每一个图像块在字典D'下稀疏表示的系数X，从而计算出整幅测试图像在字典D,下线性表出系数的稀疏度，若该幅图像的稀疏度大于某一阈值则可判断其为带缺陷图像，否则为无缺陷的图像。
[0038]优选的，在利用OMP算法进行求解前，先将经典OMP算法中第一步的内积修改为向量相似度，即
[0039]
【权利要求】
1.一种基于稀疏表示的低分辨率触摸屏图像缺陷检测方法，其特征在于，包括下述步骤: 51、从正常的触摸屏图像训练集合中提取图像特征构建正常样本对应的原子库D； 52、对冗余的且含有噪声特征的原子库D进行优化筛选，从中提炼出一个最优、具有最小维数的子集D,，作为训练样本的稀疏表示字典； 53、在缺陷检测时，使用与步骤SI同样的方法提取待检测图像y的特征，通过I1范数极小化求出y在D'下线性表出的系数； 54、若待检测图像y是无缺陷的触摸屏图像的，其在D'下线性表出的系数应该是稀疏的，反之则不稀疏；对于无缺陷的触摸屏图像而言，由于其可以有效的利用训练字典D'稀疏地线性表出，即可以利用D'中的基底以很小的代价重构。
2.根据权利要求1所述的基于稀疏表示的低分辨率触摸屏图像缺陷检测方法，其特征在于，步骤SI中，原子库D的构建方法为: 将无缺陷的触摸屏图像进行分块，并将图像块作为原子构造字典，设图像块大小为KXK,构造得到无缺陷触摸屏图像的备选原子库为D，则D中每一个原子对应一个图像块，每一个原子即为每一列，均为K2X I的列向量，记D = OZ1,?/2,…,cl,] e RK:xN，K2 < < N ;该备选原子库是冗余的，列原子之间有很大的相关性，因此需要对其进行训练优选，使得D中每一个列原子均能由D中其余的列原子线性表出，且表出的系数是稀疏的，即找出一个子集/)’ = [0,^0/^'其中^2，...，」^ {1，2，…，N}，使得D能够由D’很好的稀疏重构，并使得D’中列原子数尽可能少。
3.根据权利要求1所述的基于稀疏表示的低分辨率触摸屏图像缺陷检测方法，其特征在于，步骤S2中，还包括对字典进行训练的步骤,字典训练问题建模为: min Il z ||0, s.t., Dz - Cij, and ^ = U j = 1,2,...,Ν(I)写成
z&R矩阵形式，即: min (I Z H0, s 1 DZ = D, n(i diag(Z) = O,.U' 其中Onxi为NX I的零向量，上述Itl范数的求解是个NP-hard问题，仿照压缩感知理论，将上述的Itl极小化问题⑵转换为I1范数极小化问题， min (I Z ||,, s.t., DZ - D, m I diag(Z) - Ox,(3) 对每一个Clj，设是由ρ中除了第j列之外的其它列构成的矩阵，则可以把(3)写为下式: rnin , || z' ||,，S.t.，D"z' = dj，j = 1,2,...,N(4) 采用正交匹配追踪算法OMP算法对(4)式进行求解，得到4在D"下稀疏表示的系数Zi ^对D中每一个列原子均使用上述求解方法，并在Z' ^的第j个元素位置插入一个O元素，使得Z' j扩展为NX I的列向量Z」，则可得到(3)式的解Z= {Zl, Z2, - ,zN} e Rnxn ；最后，统计Z中所有不全为零的行坐标，并选中这些行坐标对应的D中的列原子作为D'的列原子，完成字典的优选。
4.根据权要求3所述的基于稀疏表示的低分辨率触摸屏图像缺陷检测方法，其特征在于，基于OMP的字典优选算法步骤如下: 输入:原子库 输出=D' .1.1.对每一个 dj e D, j = 1,2, -,N 利用OMP算法求解 min I! Zt Il1, s.t., DttZt - dn / = 1,2，…，/V 得到利用D"来稀疏表示Clj的稀疏系数Z' j e Rmxi ； .1.2.在^ j的第j个元素位置插入一个O元素，使得z, j扩展为NX I的列向量Zj,得到⑶式的解Z = (Z1, Z2,…，zN} e Rnxn ； .1.3.得到待选原子序号集合:Λ = {i, I I Z1.1 I d关0},其中Z1.表示Z的第i行；
.1.4.构造 D' = Da = IdjIje Λ ο
5.根据权利要求2所述的基于稀疏表示的低分辨率触摸屏图像缺陷检测方法，其特征在于，对待检测图按权利要求2中的分块方法进行分块，待检测图像的第i个图像 ω在字典D'下的稀疏表示可通过求解下式的优化问题得到: min Il XIl1, s.t., (0 = D'x(5)
(5)式可直接利用OMP算法进行求解，计算出每一个图像块在字典D'下稀疏表示的系数X，从而计算出整幅测试图像在字典D'下线性表出系数的稀疏度，若该幅图像的稀疏度大于某一阈值则可判断其为带缺陷图像，否则为无缺陷的图像。
6.根据权利要求5所述的基于稀疏表示的低分辨率触摸屏图像缺陷检测方法，其特征在于，在利用OMP算法进行求解前，先将经典OMP算法中第一步的内积修改为向量相似度，即
D中所有列中与4最相似的一定是它自身，从而必然可以得到稀疏表示系数X = e」。
7.根据权利要求6所述的基于稀疏表示的低分辨率触摸屏图像缺陷检测方法，其特征在于，修改后的OMP算法称为基于向量相似度的OMP算法，其具体步骤为: 输入:矩阵D，测试样本y ; 输出:y在D下稀疏表出系数X ； 初始化:残差rQ = y,索引集Λ。= 0，t = I ; .2.1.找出残差r和D的列&内积中最大值所对应的索引λ，即
.2.2.更新索引集At= Am U UJ，记录找到的D中的重建原子集合马=[0 .2.3.由最小二乘法得到戈=(D! D1) 1D11V ;.2.4.更新残差 rt = y-Dtxt ； .2.5.判断是否满足
或达到最大迭代次数，若满足则停止迭代，否则返回步骤.2.1。
8.根据权利要求1所述的基于稀疏表示的低分辨率触摸屏图像缺陷检测方法，其特征在于，得到字典对测试图像进行稀疏表示的系数后，需要根据系数的稀疏度来判断测试图像是否是含有缺陷的图像；提出利用稀疏表出系数X的Itl范数与原始图像大小的比值来作为稀疏度的评价函数，如下:
上述比值也称为稀疏率，m和η分别为测试图像的行数和列数，若测试图像的SR值大于某一个阈值，则表示测试图像的线性表出系数X不够稀疏，测试图像不能由字典D'很好的稀疏重构，因此为带缺陷图像；反之即为无缺陷图像；即:
【文档编号】G06T7/00GK104200478SQ201410466384
【公开日】2014年12月10日 申请日期:2014年9月12日 优先权日:2014年9月12日
【发明者】梁列全 申请人:广东财经大学