·798· 智能系统学报 第14卷 域，将其面积累加近似等于正常区域的面积，则 向上灰度相对均匀分布。对于区域特征明显的气 为杂质缺陷。 泡，在图像子窗口中对图像进行腐蚀操作，提取 向媛媛等8.40提出了一种基于稀疏表示的轮 腐蚀后存在的像素区域的面积，通过面积的大小 胎杂质缺陷检测算法。经观察，从无缺陷轮胎图 来判断是否存在气泡缺陷。该算法在区域特征明 像中构造的字典能够有效地捕捉数据的变化，该 显图像中腐蚀后效果较好，但该方法需要气泡区 字典能够表示无缺陷轮胎图像块，同时稀疏表示 域与背景灰度值相差较大，在实际情况中没有这 的系数服从正态分布。因此，利用K-SVD算法构 么理想的轮胎图像，很容易造成漏检，无法实际 造图像块的字典，稀疏表示系数的差异来表示局 应用。 部特征，系数的编码长度用于衡量全局特征。通 王冰等29,4)根据图像小区域灰度分布相似性 过结合局部和全局特征，当稀疏表示的系数偏离 沿垂直方向搜索灰度级较高的像素点，初步将气 正态分布时，很容易检测出杂质图像块，准确找 泡区域分割出来；对搜索出的像素点进行连通区 到杂质的位置和大小。青岛科技大学的张斌四 域标定，消除小面积区域，防止噪声的影响。接 提出基于Curvelet图像增强和Canny算子的胎体 着对图像按照设定的生长规则进行区域生长：最 区域杂质缺陷检测算法。首先对轮胎图像采用频 后区域合并，得到气泡位置和大小。该方法会对 率Wrapping方法来实现快速Curvelet变换，根据 伪气泡造成误检，袁晔2在此基础上添加2个准 各子带的噪声水平和对表述图像中胎体区域帘线 则校验：1)气泡大小有一定限制；2)气泡区域灰 的贡献水平进行分段非线性增强；然后对处理后 度均值高于周边非气泡缺陷区域。有效地保证气 的Curvelet系数进行反变换得到增强图像；对增 泡缺陷检测结果的正确性。 强图像高斯滤波后，利用改进后的非极大值抑制 刘宏贵网在识别气泡缺陷中，首先用Gaussian 过程，对边缘精确定位，利用Canny双阈值方法实 滤波器对图像进行滤波后再线性拉伸，用Robert 现胎体区域中杂质缺陷边缘的提取。该方法能够 算子对图像进行边缘提取后用Ostu自动阈值分 将杂质缺陷区域的边缘信息清晰而准确的检测出 割，再用形态学滤波进行处理，去除图像中的小 来，并且绝大多数的伪边缘得到了很好的抑制和 边缘区域。该算法在少数气泡与背景灰度明显的 消除。 图片能够检测出，但大多数图片的气泡较为复 胎冠区域的帘线呈多层子午线分布，结构复 杂，用Robert算子的边缘检测很难将气泡目标分 杂。针对该区域的杂质检测，文献[42]提出一种 离出来。针对气泡与背景灰度值对比不明显的 基于对图像预处理的改进和聚类分析的方法来检 情况，邵明红2对该方法进行了改进，利用Sobel 测杂质缺陷。在预处理过程中进行了直方图均衡 算子进行边缘检测，在水平和垂直方向模板上增 化、傅里叶变换和低通滤波等处理方法。图像对 加45°和135°方向模板，能够提高边缘检测的准 比度虽然有了明显的增强，但还存在一些影响缺 确性，有效消除假边缘问题。其中，45°和135 陷检测的因素。为排除这些因素，通过区域生长 方向模板如式(14)、(15)所示。 聚类分析的方式进行缺陷检测。区域生长是选取 -1011 种子节点，从种子点的集合开始，将与这些种子 02 (14) -101 点具有相同性质（例如灰度值、纹理、颜色等）像 素合并到此区域中。在轮胎图像中随机选取灰度 0 -1-2 值为0的像素作为种子点对8邻域内灰度值为 0-1 (15) -1-10 0的像素点进行聚类。通过对灰度值为0的像素 进行8邻域聚类，则图中灰度值为0的一部分为 同时，对Sobel算子的梯度计算公式进行改 类，统计每一类的像素数目进行排列，取数目 进，将4个方向上的最大值作为该点新的灰度值， 最多的2类，则标定为杂质区域。 将最大值对应方向作为边缘检测的方向，如式(16) 2.2.2气泡 所示： 轮胎在生产过程中会进入空气等杂物，导致 G=max (IG.I.IGl (16) 轮胎在硫化后会有气泡产生。图2（©）是胎体区域 该方法进行气泡检测时，在气泡与胎体区域 图像，其中亮度较大的区域为气泡缺陷。气泡与 灰度值相差较大的图像中能够准确将气泡区域检 背景区域灰度值相差不大，与帘线的对比度相差 测出来。但在一些图像中，仍会将部分与气泡灰 较大。同时在水平方向上灰度不均匀，在竖直方 度值近似的非气泡区域检测出来。域，将其面积累加近似等于正常区域的面积，则 为杂质缺陷。 向媛媛等[38-40] 提出了一种基于稀疏表示的轮 胎杂质缺陷检测算法。经观察，从无缺陷轮胎图 像中构造的字典能够有效地捕捉数据的变化，该 字典能够表示无缺陷轮胎图像块，同时稀疏表示 的系数服从正态分布。因此，利用 K-SVD 算法构 造图像块的字典，稀疏表示系数的差异来表示局 部特征，系数的编码长度用于衡量全局特征。通 过结合局部和全局特征，当稀疏表示的系数偏离 正态分布时，很容易检测出杂质图像块，准确找 到杂质的位置和大小。青岛科技大学的张斌[41] 提出基于 Curvelet 图像增强和 Canny 算子的胎体 区域杂质缺陷检测算法。首先对轮胎图像采用频 率 Wrapping 方法来实现快速 Curvelet 变换，根据 各子带的噪声水平和对表述图像中胎体区域帘线 的贡献水平进行分段非线性增强；然后对处理后 的 Curvelet 系数进行反变换得到增强图像；对增 强图像高斯滤波后，利用改进后的非极大值抑制 过程，对边缘精确定位，利用 Canny 双阈值方法实 现胎体区域中杂质缺陷边缘的提取。该方法能够 将杂质缺陷区域的边缘信息清晰而准确的检测出 来，并且绝大多数的伪边缘得到了很好的抑制和 消除。 胎冠区域的帘线呈多层子午线分布，结构复 杂。针对该区域的杂质检测，文献 [42] 提出一种 基于对图像预处理的改进和聚类分析的方法来检 测杂质缺陷。在预处理过程中进行了直方图均衡 化、傅里叶变换和低通滤波等处理方法。图像对 比度虽然有了明显的增强，但还存在一些影响缺 陷检测的因素。为排除这些因素，通过区域生长 聚类分析的方式进行缺陷检测。区域生长是选取 种子节点，从种子点的集合开始，将与这些种子 点具有相同性质 (例如灰度值、纹理、颜色等) 像 素合并到此区域中。在轮胎图像中随机选取灰度 值为 0 的像素作为种子点对 8 邻域内灰度值为 0 的像素点进行聚类。通过对灰度值为 0 的像素 进行 8 邻域聚类，则图中灰度值为 0 的一部分为 一类，统计每一类的像素数目进行排列，取数目 最多的 2 类，则标定为杂质区域。 2.2.2 气泡 轮胎在生产过程中会进入空气等杂物，导致 轮胎在硫化后会有气泡产生。图 2(e) 是胎体区域 图像，其中亮度较大的区域为气泡缺陷。气泡与 背景区域灰度值相差不大，与帘线的对比度相差 较大。同时在水平方向上灰度不均匀，在竖直方 向上灰度相对均匀分布。对于区域特征明显的气 泡，在图像子窗口中对图像进行腐蚀操作，提取 腐蚀后存在的像素区域的面积，通过面积的大小 来判断是否存在气泡缺陷。该算法在区域特征明 显图像中腐蚀后效果较好，但该方法需要气泡区 域与背景灰度值相差较大，在实际情况中没有这 么理想的轮胎图像，很容易造成漏检，无法实际 应用。 王冰等[29,43] 根据图像小区域灰度分布相似性 沿垂直方向搜索灰度级较高的像素点，初步将气 泡区域分割出来；对搜索出的像素点进行连通区 域标定，消除小面积区域，防止噪声的影响。接 着对图像按照设定的生长规则进行区域生长；最 后区域合并，得到气泡位置和大小。该方法会对 伪气泡造成误检，袁晔[27] 在此基础上添加 2 个准 则校验：1) 气泡大小有一定限制；2) 气泡区域灰 度均值高于周边非气泡缺陷区域。有效地保证气 泡缺陷检测结果的正确性。 刘宏贵[32] 在识别气泡缺陷中，首先用 Gaussian 滤波器对图像进行滤波后再线性拉伸，用 Robert 算子对图像进行边缘提取后用 Ostu 自动阈值分 割，再用形态学滤波进行处理，去除图像中的小 边缘区域。该算法在少数气泡与背景灰度明显的 图片能够检测出，但大多数图片的气泡较为复 杂，用 Robert 算子的边缘检测很难将气泡目标分 离出来。 针对气泡与背景灰度值对比不明显的 情况，邵明红[28] 对该方法进行了改进，利用 Sobel 算子进行边缘检测，在水平和垂直方向模板上增 加 45°和 135°方向模板，能够提高边缘检测的准 确性，有效消除假边缘问题。其中，45°和 135° 方向模板如式 (14)、(15) 所示。   −1 0 1 −2 0 2 −1 0 1   (14)   0 −1 −2 1 0 −1 −1 −1 0   (15) 同时，对 Sobel 算子的梯度计算公式进行改 进，将 4 个方向上的最大值作为该点新的灰度值， 将最大值对应方向作为边缘检测的方向，如式 (16) 所示： G=max{ |Gx |,   Gy    } (16) 该方法进行气泡检测时，在气泡与胎体区域 灰度值相差较大的图像中能够准确将气泡区域检 测出来。但在一些图像中，仍会将部分与气泡灰 度值近似的非气泡区域检测出来。 ·798· 智 能 系 统 学 报 第 14 卷