D0I:10.13374/j.issnl001-t13.2007.0B.02 第29卷第3期 北京科技大学学报 Vol.29 No.3 2007年3月 Journal of University of Science and Technology Beijing ar,2007 基于结构谱的中厚板表面缺陷识别方法 宋强2)徐科)徐金梧3) 1)北京科技大学高效轧制国家工程研究中心，2)中国石油大学（北京）机电工程学院，北京102249 3)北京科技大学机械工程学院，北京100083 摘要为克服传统纹理分析的缺陷识别结果易受光照变化和氧化铁皮不利影响的缺点，提出了结构谱纹理分析方法，并将 其应用于中厚板表面麻点、夹杂、结疤等缺陷的识别，实验结果表明，结构谱方法具有较好的光照不变性，对麻点、夹杂、结疤 等缺陷的识别率要高于灰度共生矩阵、Lws纹理能量、傅里叶功率谱等其他纹理分析方法· 关键词中厚板：表面检测：结构谱：纹理分析 分类号TP391.4 中厚板表面质量的优劣将直接影响最终产品的 点、夹杂、结疤均具有独特的纹理特征，可采用基于 性能和质量，随着市场竞争的加剧，越来越多的钢 纹理分析的识别方法).基于纹理分析的中厚板表 铁企业认识到在线自动识别钢板表面缺陷对于提高 面在线监测技术目前存在两个困难：(1)由于生产工 钢铁企业的产品质量和生产效益起着至关重要的作 艺的原因，中厚板表面往往存在大量形状、颜色各异 用.许多知名钢铁企业纷纷投入巨资，用以加快中 的氧化铁皮，如图1，氧化铁皮不属于中厚板表面缺 厚板表面在线监测系统的研制工作)] 陷，但由于其外观形貌与缺陷非常类似，因此易被监 1问题的提出 测系统误识为缺陷，(2)由于干扰光和中厚板不平 表面的影响，现场光照条件经常变化，如图2.现场 基于机器视觉的中厚板表面在线监测系统通过 光照条件的变化给钢板图像带来光照不均、曝光过 对中厚板表面图像的分析来确定中厚板的表面质量 度、曝光不足等各种不利影响，并影响缺陷的图像特 状况，在中厚板各类表面缺陷中，裂纹具有明显的 征，从而给缺陷识别带来困难 形态特征，可采用基于形态分析的识别方法；对于麻 图1中厚板表面的氧化铁皮 Fig-1 Scales on medium and heavy plates 2结构谱纹理分析方法 2.1基本结构模板 纹理图像的微观结构蕴涵着丰富的纹理信息， 任何复杂的纹理结构都可分解为点、线、波纹三种基 图2不同光照下的麻点缺陷 Fig.2 Pits under different illuminations 本微观结构，为描述这三种基本微观结构，本文 定义了如图3所示的八个基本结构模板，其中(a)为 八邻域点结构模板，(b),(©)为四邻域点结构模板， 收稿日期：2005-12-19修回日期：2006-05-11 基金项目：国家“863”计划资助项目(No-2003AA331080;No (d)~(g)分别为水平、45°、竖直、135°线结构模板， 2001AA339030) (h)为波纹结构模板 作者简介：宋强(1979一)，男，博士研究生：徐金梧(1949-)，男， 对于一个中心位于(i,j)处的3×3区域，九个 教授，博士 区域像素的灰度值分别记为g(i一1，j一1)，g(i一基于结构谱的中厚板表面缺陷识别方法 宋 强1‚2） 徐 科1） 徐金梧3） 1） 北京科技大学高效轧制国家工程研究中心‚ 2） 中国石油大学（北京）机电工程学院‚北京102249 3） 北京科技大学机械工程学院‚北京100083 摘 要 为克服传统纹理分析的缺陷识别结果易受光照变化和氧化铁皮不利影响的缺点‚提出了结构谱纹理分析方法‚并将 其应用于中厚板表面麻点、夹杂、结疤等缺陷的识别．实验结果表明‚结构谱方法具有较好的光照不变性‚对麻点、夹杂、结疤 等缺陷的识别率要高于灰度共生矩阵、Laws 纹理能量、傅里叶功率谱等其他纹理分析方法． 关键词 中厚板；表面检测；结构谱；纹理分析 分类号 TP391∙4 收稿日期：20051219 修回日期：20060511 基金 项 目：国 家 “863” 计 划 资 助 项 目 （No．2003AA331080；No． 2001AA339030） 作者简介：宋 强（1979—）‚男‚博士研究生；徐金梧（1949—）‚男‚ 教授‚博士 中厚板表面质量的优劣将直接影响最终产品的 性能和质量．随着市场竞争的加剧‚越来越多的钢 铁企业认识到在线自动识别钢板表面缺陷对于提高 钢铁企业的产品质量和生产效益起着至关重要的作 用．许多知名钢铁企业纷纷投入巨资‚用以加快中 厚板表面在线监测系统的研制工作［1—2］． 1 问题的提出 基于机器视觉的中厚板表面在线监测系统通过 对中厚板表面图像的分析来确定中厚板的表面质量 状况．在中厚板各类表面缺陷中‚裂纹具有明显的 形态特征‚可采用基于形态分析的识别方法；对于麻 点、夹杂、结疤均具有独特的纹理特征‚可采用基于 纹理分析的识别方法［3］．基于纹理分析的中厚板表 面在线监测技术目前存在两个困难：（1）由于生产工 艺的原因‚中厚板表面往往存在大量形状、颜色各异 的氧化铁皮‚如图1．氧化铁皮不属于中厚板表面缺 陷‚但由于其外观形貌与缺陷非常类似‚因此易被监 测系统误识为缺陷．（2）由于干扰光和中厚板不平 表面的影响‚现场光照条件经常变化‚如图2．现场 光照条件的变化给钢板图像带来光照不均、曝光过 度、曝光不足等各种不利影响‚并影响缺陷的图像特 征‚从而给缺陷识别带来困难． 图1 中厚板表面的氧化铁皮 Fig．1 Scales on medium and heavy plates 图2 不同光照下的麻点缺陷 Fig．2 Pits under different illuminations 2 结构谱纹理分析方法 2∙1 基本结构模板 纹理图像的微观结构蕴涵着丰富的纹理信息‚ 任何复杂的纹理结构都可分解为点、线、波纹三种基 本微观结构［4］．为描述这三种基本微观结构‚本文 定义了如图3所示的八个基本结构模板‚其中（a）为 八邻域点结构模板‚（b）‚（c）为四邻域点结构模板‚ （d）～（g）分别为水平、45°、竖直、135°线结构模板‚ （h）为波纹结构模板． 对于一个中心位于（ i‚j）处的3×3区域‚九个 区域像素的灰度值分别记为 g（ i—1‚j—1）‚g（ i— 第29卷 第3期 2007年 3月 北 京 科 技 大 学 学 报 Journal of University of Science and Technology Beijing Vol．29No．3 Mar．2007 DOI:10．13374／j．issn1001－053x．2007．03．021