基于視覺注意機制的紙病檢測方法
【技術領域】
[0001] 本發明涉及基于視覺注意機制的紙病檢測方法，屬于造紙技術領域。
【背景技術】
[0002] 在造紙過程中紙病的出現嚴重影響人們對紙張質量的評判及造紙廠的效益，因 此，快速、準確、穩定地判斷紙病的類型對現代造紙業的生產具有重大的意義。目前比較常 用的紙病檢測方法是閾值判定法，通過研究發現，閾值判定方法其不足在于不同紙張需要 選取不同的灰度閾值，而對于微弱紙病、特殊形狀紙病及低對比度的紙病，采用閾值判定方 法很難得到滿意的效果。
[0003] 本發明通過對人眼視覺注意機制研究，提出了一種新的基于視覺注意機制的紙病 檢測方法，人眼觀察一幅含有紙病的圖像，可以很容易找出來，其原因是紙病相對于背景紋 理而目是最容易吸引人眼注意的。

【發明內容】

[0004] 基于此，本發明設計了基于視覺注意機制的紙病檢測方法。
[0005] 本發明采取的技術方案為：
[0006] 基于視覺注意機制的紙病檢測方法，具體步驟為：
[0007] 第一步：
[0008] 多尺度采樣及線性濾波，多尺度采樣是從原始輸入圖像最底層開始，由下到上，依 次每一層圖像是通過對其相鄰下層圖像采樣獲取，原始圖像為〇尺度，則每采樣一次尺度 加1，圖像的分辨率隨著尺度的增加以2的因子遞減，在計算過程中尺度定義為共5個尺度， 本發明采用Gaussian濾波器對采用圖像進行濾波，令{ Xl]}表示原始圖像，Xl]表示圖像中 坐標（i，j)處的灰度值，則對圖像中的每一點采用公式進行類高斯卷積計算
[0009]
[0010]
[0011]
[0012]
[0013] 其中，卷積矩陣為： CN 105160651 A IX m "ti 2/6 頁
[0014]
>：
[0015] 第二步：
[0016] 分別提取亮度、顏色和朝向特征圖，亮度特征圖FM1(O)= (r(〇)+g(o)+b(〇))/3 其中，FM1(O)表示 σ 尺度下亮度特征圖，r(〇)、g(o)、b(〇)分 別表示σ尺度下輸入圖像的紅、綠、藍三通道信息，顏色特征圖用紅-綠（Red-Green，RG) 和黃-藍（Yellow-Blue，BY)頡頏對來表示其特征；
[0017]
[0018]
[0019] ，其中，％明為Gabor函 數，# e {0，;r/2S，θ e {〇。，45。，90。，135。}，
[0020] 本發明選取γ = 1，λ = 7,濾波器取為一個19X19的矩陣，δ表示感受野的作 用范圍，δ取不同的值時可得到不同的Gabor模板，δ太大時會加強余弦函數的作用，高斯 函數作用不明顯，每個像素點在濾波中的作用幾乎都一樣，S太小時，濾波作用只表現在模 板的中間區域，領域點在濾波中幾乎不起作用，只有S取值適中時Gabor函數才能發揮其 獲取朝向的作用，經過實驗比較本發明選取δ =3. 5。
[0021] 第三步：
[0022] 分別提取亮度、顏色和朝向特征對比映射圖，通過對不同尺度下的特征圖做差獲 取特征對比映射圖，首先，將不同尺度的特征圖通過插值或抽取變為同一尺度下的信息，然 后，進行點對點減法運算，設中心為c，周邊為s，記中央-周邊差操作為?，則亮度、顏色和 朝向對比映射圖可分別求得：
[0023]
[0024]
[0025]
[0026]
[0027] 第四步：
[0028] 獲取亮度、顏色和朝向子顯著圖，對所有的特征信息，如果直接合并所有尺度下的 對比映射圖來獲取子顯著圖，則所得到的子顯著圖特征可能由于噪音的影響弱化了自身比 較顯著的信息，因此，本發明在獲取子顯著圖之前首先對對比映射圖進行歸一化處理，用 "Ν(·)"來表示歸一化，包括三個步驟：將對比映射圖的信息歸一化到[0…K]范圍內，目 的是消除由于不同特征的特征提取方法不同，而引起的各個特征顯著圖的最大值不同的問 題；對每一幅特征圖，計算圖像中除去全局極大值點K之外的剩余部分的所有局部極大點 的平均值?計算(?-?2 ,所得到的值就是該特征顯著圖的加權合并系數，按照以上步驟 即可分別得到亮度、顏色和朝向子顯著圖，
[0029]
[0030]
[0031]
[0032] 第五步：
[0033] 獲取全局顯著圖，按同樣的方法對亮度、顏色和朝向信息的子顯著圖進行歸一化 處理，然后進行合并得到全局顯著圖。
[0034] 第六步：
[0035] 紙病區域計算，紙病區域在顯著圖中對應的就是通過本發明所提方法計算得到的 顯著圖中的顯著區域，本發明通過顯著性強弱的競爭產生幾個顯著區域，比較常用的競爭 機制是勝者為王（Winner-take-all)競爭機制，即顯著圖中的幾個顯著區域進行比較，顯 著值比較大、顯著性比較強的區域首先獲得人眼的注意，一旦注意目標確定以后，場景中的 其他部分將不會再獲得注意，禁止返回機制（Inhibition of Return)是顯著區域轉移中的 另一個重要的機制，在尋找顯著區域的過程中，注意過的顯著區域將不再參與顯著區域的 轉移過程，即每個顯著區域只有一次被注意的機會，通過勝者為王和禁止返回機制得到紙 病區域。
[0036] 本系統有以下特點：
[0037] 1.通過模擬人眼視覺注意機制，建立基于視覺注意機制的紙病檢測計算模型。
[0038] 2.與傳統紙病檢測方法相比，本發明所提供的方法檢測魯棒性強、速度快，不需要 進行閾值計算。
[0039] 3.自適應進行紙病區域計算，可以滿足不同背景條件下的紙病檢測需求，如紡織 業、卷煙紙業等。
[0040] 以上顯示和描述了本發明的基本原理和主要特征和本發明的優點。本行業的技術 人員應該了解，本發明不受上述實施例的限制，上述實施例和說明書中描述的只是說明本 發明的原理，在不脫離本發明精神和范圍的前提下，本發明還會有各種變化和改進，這些變 化和改進都落入要求保護的本發明范圍內。本發明要求保護范圍由所附的權利要求書及其 等效物界定。
【附圖說明】
[0041] 圖1為本發明紙病檢測系統框圖。
【具體實施方式】
[0042] 下面結合具體實施例對本發明作進一步描述，在此發明的示意性實施例以及說明 用來解釋本發明，但并不作為對本發明的限定。
[0043] 如圖1所示，基于視覺注意機制的紙病檢測方法，具體步驟為：
[0044] 第一步：
[0045]多尺度采樣及線性濾波，多尺度采樣是從原始輸入圖像最底層開始，由下到上，依 次每一層圖像是通過對其相鄰下層圖像采樣獲取，原始圖像為〇尺度，則每采樣一次尺度 加1，圖像的分辨率隨著尺度的增加以2的因子遞減，在計算過程中尺度定義為共5個尺度， 本發明采用Gaussian濾波器對采用圖像進行濾波，令{ Xl]}表示原始圖像，Xl]表示圖像中 坐標（i，j)處的灰度值，則對圖像中的每一點采用公式（1)進行類高斯卷積計算
[0046]
[0047]
[0048]
[0049]
[0050]
[0051]
[0052] 第二步：
[0053] 分別提取亮度、顏色和朝向特征圖，亮度特征圖FM1(O)= (r(〇)+g(o)+b(〇))/3 其中，FM1(O)表示 σ 尺度下亮度特征圖，r(〇)、g(o)、