田思洋等：局部二值模式在连铸坯表面缺陷识别中的应用 ·1729· 理特征算子，在纹理分类四、纹理分割问等领域有很多 谱，最后通过统计LBP图谱的直方图频谱作为LBP 的应用.Song和Yan网提出一种适用于热钢卷的抗噪 特征. 声干扰的LBP改进算子.Aghdam等m利用决策树和 1.2LBP等价模式 主成分分析(principal component analysis,PCA)结合 经典的LBP算子由于维度过大，造成数据量大， LBP特征提取来完成快速的钢板表面检测.Mansano 同时特征向量稀疏.为了解决这一问题，Pietikainen 等网采用LBP配合多种分类器来检测金属表面缺陷. 等对LBP算子进行改进和优化，提出LBP等价模式 LBP算子在特征描述上受单个像素的影响比较大，而 (uniform paltern).当某个LBP模式所对应的循环 表面缺陷往往不是由单个小区域构成，其周围区域会 二进制数从0到1或从1到0最多有两次跳变时，该 对缺陷区域产生影响，而且大多数缺陷都呈现一定的 LBP模式就称为一个LBP等价模式.如1I00O0O0、 周期性和规律性，因此基于独立像素点的LBP算子不 11100111和00001111都是等价模式类.根据等价模 能很有效地提取表面缺陷特征.本文在充分考虑缺陷 式的定义，如果想要确定某种LBP模式是否为等价模 特征与周围相邻区域像素的联系基础上，提出采用多 式，可以通过式(1)进行计算： 块LBP算法的思想，并应用于连铸坯表面缺陷的特征 U(G)=Is(gp-1-ge)-s(go-g)I+ 提取. 1s(gp-8e）-s(gr-1-8e)1, (1) 1LBP特征提取方法 s(x)=,x>0: (2) 1.1经典LBP算子 0,x≤0 LBP算子最初作为一种有效的灰度不变性纹理描 式中，g表示中心像素点灰度值，go,g1,,g-1表示 述算子而提出的，其中经典LBP算子定义在围绕中心 g邻域范围的P个采样点. 像素的3×3像素区域内，整个区域由中心像素和其半 如果计算得到的U(G)小于或等于2，则将其归 径为1的8个邻域像素组成.经典LBP算子的实现过 于一种等价模式，表示为2，而所有U(G,)大于2的 程如图1所示 模式均归为一类，称为混合模式类.对于这种等价模 式，用LBP,表示.通过LBP等价模式的计算可以发 1 63 154 孕 现，对于任意邻域内的P个等距采样点进行LBP等价 模式计算之后模式种类为P(P)+3种，当P比较大 灰度值 E, 80 143 56 时比原来的2种大大减少，对于LBP的情况，LBP模 式种类由原来的256减少为59.LBP等价模式能够很 149 52 好地代表图像的某些关键特征，如边缘和异常点 1.3LBP频谱特征 利用LBP图谱的统计直方图可以生成图像的特 二值化 征向量.LBP算法是一种线性光照消除方法，光照变 化会在图像引起灰度的线性变化，通过提取不受灰度 0 线性变化影响的局部特征来消除全局的光照变化影 响.基本LBP模式图谱序列是一个包含256个特征值 01000100),=68 二进制值 D 0 的一维特征向量，其中第k个特征值表示第k种LBP 模式在整幅图像中的概率分布.LBP模式得到的图像 纹理频谱能综合反映图像的纹理信息特征，提取图像 的LBP纹理频谱，绘制其灰度直方图.LBP频谱可以 图1经典BP算子 从一定程度上表现缺陷的特征，并以此来对缺陷进行 Fig.1 Traditional LBP operator 分类.图2是裂纹、划伤、压痕和凹坑四类连铸坯常见 图1中以中心像素灰度值143作为阈值，对其8 表面缺陷图像以及正常表面图像的LBP频谱.从图2 个邻域像素按照基本LBP算子的计算过程进行二值 可以看出，正常表面图像的频谱幅值较低，并且均匀分 化处理，假设从左上方的点作为开始按照顺时针方向 布，而表面缺陷图的幅值分布不均匀，存在着某些峰 编码则得到一个8位二进制数01000100，转化为十进 值，并且不同缺陷的频谱出现的峰值位置也有明显差 制值68，即为该点的LBP响应，用LBP表示.对整幅 异，因此LBP频谱可作为判断连铸坯表面是否存在缺 图像进行扫描计算则得到LBP响应图像，即LBP图 陷和对缺陷进行分类的重要依据田思洋等: 局部二值模式在连铸坯表面缺陷识别中的应用 理特征算子，在纹理分类［4］、纹理分割［5］等领域有很多 的应用． Song 和 Yan ［6］提出一种适用于热钢卷的抗噪 声干扰的 LBP 改进算子． Aghdam 等［7］利用决策树和 主成分分析( principal component analysis，PCA) 结合 LBP 特征提取来完成快速的钢板表面检测． Mansano 等［8］采用 LBP 配合多种分类器来检测金属表面缺陷． LBP 算子在特征描述上受单个像素的影响比较大，而 表面缺陷往往不是由单个小区域构成，其周围区域会 对缺陷区域产生影响，而且大多数缺陷都呈现一定的 周期性和规律性，因此基于独立像素点的 LBP 算子不 能很有效地提取表面缺陷特征． 本文在充分考虑缺陷 特征与周围相邻区域像素的联系基础上，提出采用多 块 LBP 算法的思想，并应用于连铸坯表面缺陷的特征 提取． 1 LBP 特征提取方法 1. 1 经典 LBP 算子 LBP 算子最初作为一种有效的灰度不变性纹理描 述算子而提出的，其中经典 LBP 算子定义在围绕中心 像素的 3 × 3 像素区域内，整个区域由中心像素和其半 径为 1 的 8 个邻域像素组成． 经典 LBP 算子的实现过 程如图 1 所示． 图 1 经典 LBP 算子 Fig． 1 Traditional LBP operator 图 1 中以中心像素灰度值 143 作为阈值，对其 8 个邻域像素按照基本 LBP 算子的计算过程进行二值 化处理，假设从左上方的点作为开始按照顺时针方向 编码则得到一个 8 位二进制数 01000100，转化为十进 制值 68，即为该点的 LBP 响应，用 LBP1 8 表示． 对整幅 图像进行扫描计算则得到 LBP 响应图像，即 LBP 图 谱，最后通过统计 LBP 图谱的直方图频谱作为 LBP 特征． 1. 2 LBP 等价模式 经典的 LBP 算子由于维度过大，造成数据量大， 同时特征向量稀疏． 为了解决 这 一 问 题，Pietikainen 等［9］对 LBP 算子进行改进和优化，提出 LBP 等价模式 ( uniform pattern) ［9］． 当某个 LBP 模式所对应的循环 二进制数从 0 到 1 或从 1 到 0 最多有两次跳变时，该 LBP 模 式 就 称 为 一 个 LBP 等 价 模 式． 如 11000000、 11100111 和 00001111 都是等价模式类． 根据等价模 式的定义，如果想要确定某种 LBP 模式是否为等价模 式，可以通过式( 1) 进行计算: U( Gp ) = | s( gP － 1 － gc ) － s( g0 － gc ) | + ∑ P－1 p = 1 | s( gp － gc ) － s( gP － 1 － gc ) | ， ( 1) s( x) = 1， x ＞ 0; {0， x≤0． ( 2) 式中，gc表示中心像素点灰度值，g0，g1，…，gP － 1表示 gc邻域范围的 P 个采样点． 如果计算得到的 U( Gp ) 小于或等于 2，则将其归 于一种等价模式，表示为 u2，而所有 U( Gp ) 大于 2 的 模式均归为一类，称为混合模式类． 对于这种等价模 式，用 LBPu2 8，1表示． 通过 LBP 等价模式的计算可以发 现，对于任意邻域内的 P 个等距采样点进行 LBP 等价 模式计算之后模式种类为 P( P !1) + 3 种，当 P 比较大 时比原来的 2P 种大大减少，对于 LBP1 8 的情况，LBP 模 式种类由原来的 256 减少为 59． LBP 等价模式能够很 好地代表图像的某些关键特征，如边缘和异常点． 1. 3 LBP 频谱特征 利用 LBP 图谱的统计直方图可以生成图像的特 征向量． LBP 算法是一种线性光照消除方法，光照变 化会在图像引起灰度的线性变化，通过提取不受灰度 线性变化影响的局部特征来消除全局的光照变化影 响． 基本 LBP 模式图谱序列是一个包含 256 个特征值 的一维特征向量，其中第 k 个特征值表示第 k 种 LBP 模式在整幅图像中的概率分布． LBP 模式得到的图像 纹理频谱能综合反映图像的纹理信息特征，提取图像 的 LBP 纹理频谱，绘制其灰度直方图． LBP 频谱可以 从一定程度上表现缺陷的特征，并以此来对缺陷进行 分类． 图 2 是裂纹、划伤、压痕和凹坑四类连铸坯常见 表面缺陷图像以及正常表面图像的 LBP 频谱． 从图 2 可以看出，正常表面图像的频谱幅值较低，并且均匀分 布，而表面缺陷图的幅值分布不均匀，存在着某些峰 值，并且不同缺陷的频谱出现的峰值位置也有明显差 异，因此 LBP 频谱可作为判断连铸坯表面是否存在缺 陷和对缺陷进行分类的重要依据． ·1729·