Presentation is loading. Please wait.

Presentation is loading. Please wait.

元 智 大 學 工 業 工 程 研 究 所 應用於紋路分析之最佳賈柏過濾器設計.

Similar presentations


Presentation on theme: "元 智 大 學 工 業 工 程 研 究 所 應用於紋路分析之最佳賈柏過濾器設計."— Presentation transcript:

1 元 智 大 學 工 業 工 程 研 究 所 應用於紋路分析之最佳賈柏過濾器設計

2 研 究 目 的 瑕疵檢測及紋路異常檢測 檢測紋路表面是否有發生瑕疵以及異常紋路存 在。 多紋路分割 將多紋路影像分解成若干個子區域,每個子區
檢測紋路表面是否有發生瑕疵以及異常紋路存 在。 多紋路分割 將多紋路影像分解成若干個子區域,每個子區 域對應一種紋路,並可以此方法進行紋路分類。

3 研 究 方 法 本研究最主要是要擷取代表紋路的最佳能量,使用的是以旋積(convolution)的方法,一般旋積的表示法為
f(x,y)為紋路之灰階影像,h(x,y)為轉換函數,本研究之 h(x,y) 利用賈柏轉換法(Gabor transform)設計而來。

4 賈 柏 轉 換 法 賈柏轉換法(Gabor transform)是由一個繁複的非線性方程式所構成,在轉換式裡包含三個參數,頻率(frequency)ψ,相角(orientation)θ,及帶寬(bandwidth)σ,將轉換法定義如下:

5 賈 柏 轉 換 法 為一複數,可寫為 包含 實部: 虛部:

6 賈 柏 轉 換 法 接著以賈柏函數Gσ ,ψ,θ(x,y)對影像 f(x,y)做旋積,其表示法如下: G(x,y)實部部份:
其中 k 決定Gabor filter之視窗大小為M×M, M = 2k+1。

7 賈 柏 轉 換 法 影像中像素點(x , y)之能量(Energy)定義如下: 求取影像 f(x,y)之能量E(x,y)的最佳值,便以
所得之解 ψ、θ、σ 設計一個視窗為M×M的最 佳Gabor filter。

8 文 獻 探 討 本研究最主要是著重於Gabor filters 的設計,因此在此探討以前學者所使用之方法:
Jain and Chen在 Gabor filter 的設計上,將高斯函數之帶寬參數σ當成已知值,而ψ、θ的決定以如下之方法進行配對:

9 目 標 函 數 之 設 計 ---紋路上瑕疵區的檢測 視窗,所取的視窗大小要能表現出紋路的重複性,根
首先在標準紋路影像上任意取一個 M×M pixels 的 視窗,所取的視窗大小要能表現出紋路的重複性,根 據前述賈柏轉換法最佳能量的計算方式,在瑕疵區檢 測上,求其最小能量值

10 目 標 函 數 之 設 計 ---紋路上瑕疵區的檢測 因此 在檢測正常紋路影像,E(x,y) 0, 而瑕疵(異常)紋路,E(x,y) >0
因此便可利用此能量差異以檢測出紋路上之瑕疵。

11

12 實驗結果與討論 ---瑕疵檢測之效果 本研究在瑕疵檢測樣本的選擇上,主要分為方 向性紋路及隨機性紋路,
實驗結果與討論 ---瑕疵檢測之效果 本研究在瑕疵檢測樣本的選擇上,主要分為方 向性紋路及隨機性紋路, 1、方向性紋路:人工紋路、布紋及銑削和刨 削紋路。 2、隨機性紋路:沙紙紋路及皮革紋路

13 實驗結果與討論 ---瑕疵檢測結論 從原始影像經過賈柏轉換法(Gabor transform) 處理後所得之3D能量圖可看出,由求目標函數最
小能量值所得之參數( ψ、θ、σ )所設計出之 賈柏過濾器,在有瑕疵點存在之處,其能量值異 常的偏高,能量灰階圖亦有一明顯的白點存在, 因此目標函數之設計運用在瑕疵檢測為一可行之 方法。

14 瑕疵檢測之效果 1.1、方向性紋路-----在人工紋路瑕疵檢測方面 以65×65檢測人工紋路之瑕疵 檢測人工紋路之瑕疵所顯示之 能量灰階值
x y E 以65×65檢測人工紋路之瑕疵 檢測人工紋路之瑕疵所顯示之 能量灰階值 檢測人工紋路之瑕疵所顯示之3D能量分布圖

15 瑕疵檢測之效果 1.2、方向性紋路-----在布紋脫線檢測方面 以65×65檢測布紋脫線之瑕疵 檢測布紋之瑕疵所得之能量 灰階圖
以65×65檢測布紋脫線之瑕疵 檢測布紋之瑕疵所得之能量 灰階圖 y x E 布紋瑕疵檢測所顯示之3D能量分布圖

16 瑕疵檢測之效果 脫線 y x E 布紋瑕疵檢測所顯示之3D能量分布圖 以65×65檢測布紋脫線之瑕疵 檢測布紋之瑕疵所得之能量 灰階圖

17 瑕疵檢測之效果 1.3、方向性紋路-----在銑削工件刮痕檢測方面 以65×65檢測銑削工件之刮痕 檢測銑削工件刮痕所得之能量 灰階值
y x E 以65×65檢測銑削工件之刮痕 檢測銑削工件刮痕所得之能量 灰階值 銑削工件刮痕檢測所得之3D能量分布圖

18 瑕疵檢測之效果 2.1、隨機性紋路-----在皮革刮痕檢測方面 以65×65檢測皮革之刮痕 檢測皮革刮痕所得之能量 灰階值
以65×65檢測皮革之刮痕 檢測皮革刮痕所得之能量 灰階值 皮革刮痕檢測所得之3D能量分布圖 x

19 瑕疵檢測之效果 2.2、隨機性紋路-----在沙紙刮痕檢測方面 以65×65檢測沙紙之刮痕 檢測沙紙刮痕所得之能量 灰階值
以65×65檢測沙紙之刮痕 檢測沙紙刮痕所得之能量 灰階值 x y E 沙紙刮痕檢測所得之3D能量分布圖

20 視窗靈敏度分析 65×65 pixels所檢測出之瑕疵 53×53 pixels所檢測出之瑕疵
脫線 65×65 pixels所檢測出之瑕疵 ×53 pixels所檢測出之瑕疵 有瑕疵之原始布紋(脫線) 41×41 pixels所檢測出之瑕疵 ×25 pixels所檢測出之瑕疵

21 光源變化對賈柏轉換法的影響 標準紋路特徵值之原始影像 檢測布紋脫線所得之能量 光源改變2(暗) 光源改變2檢測所得之能量 灰階圖。
標準紋路特徵值之原始影像 檢測布紋脫線所得之能量 光源改變2(暗) 光源改變2檢測所得之能量 灰階圖。 (訓練用) 灰階圖。 光源改變1(亮) 光源改變1檢測所得之能量 灰階圖。

22 元智大學工業工程研究所 彩色紋路之表面瑕疵檢測 學 生:黃國唐 指導教授:蔡篤銘 博士

23 研究動機 以彩色技術進行瑕疵檢測時,一般是使用色彩分割(color segmentation)的技術,但當瑕疵與正常規則紋路顏色相同時,色彩分割的技術則無法區分瑕疵與正常規則紋路。例如 毛衣之脫線瑕疵

24 研究動機 由於傳統灰階影像在瑕疵檢測的應用上,當瑕疵的空間位置、灰階分佈與表面之規則紋路都一致時,則無法凸顯出瑕疵。 (a)彩色影像
(b) (a)圖之灰階影像

25 傳統賈柏轉換法 傳統賈柏轉換法為使用影像之灰階值 與賈柏轉換法 旋積(convolution)而得之能量值 進行紋路分析,可定義為 可表示為
傳統賈柏轉換法為使用影像之灰階值 與賈柏轉換法 旋積(convolution)而得之能量值 進行紋路分析,可定義為 可表示為 其中 表示複數的模數(modulus), 為旋積之運算。

26 色彩模型–LAB色彩模型 優點:具有均勻色差空間 UCS (Uniform chromaticity
color space)的特性,和人類的視覺經驗最為相似。 代表亮度 代表紅色-綠色的成分 代表黃色-藍色的成分 可修正為 代表飽和度(Saturation) 代表色相(Hue) 本研究採用 和 兩個色彩特徵代表影像之色彩資訊

27 色彩模型–Drg色彩模型 優點:彩色邊緣偵測能力優於RGB模型。 代表亮度 R值對D正規化的特徵值 G值對D正規化的特徵值

28 彩色賈柏轉換法 依據傳統賈柏轉換從彩色影像的色彩模型(color model)
中取兩個主要色彩特徵(color features),令一個為實部 (real part),另一個為虛部(imaginary part),兩個色 彩特徵組合成一複數形式來取代灰階影像的灰階值。 令 和 代表彩色影像中像素點的兩個色彩特徵值。本研究選擇與亮度無關的色彩特徵代表紋路之色彩資訊,例如Drg色彩模型中 與 ,組合成 或 之複數形式。

29 彩色賈柏轉換法 而彩色賈柏轉換可定義為 Ç 其中 的定義如同傳統賈柏轉換法, Ç 為一複數。 實部: Ç 虛部: Ç

30 彩色賈柏轉換 影像中像素點 在W  W 視窗中之彩色能量 的定義為 Ç
求取代表標準紋路影像之彩色能量 的最佳賈柏參數值 ,接著以此最佳賈柏參數值設計一個視窗為W  W 的最佳賈柏過濾器(Gabor filter),進行 彩色紋路之瑕疵檢測。

31 瑕疵檢測之目標函數設計Ⅰ: 首先在標準紋路影像上任意取一個 W  W pixels 的視窗,所取的視窗大小要能表現出紋路的重複性,求其最小能量值,即 Ç Min s.t. 的最大值設為標準視窗之邊長。因為賈柏參數值的些微跳動對彩色能量值並不敏感,所以本研究將賈柏參數 值的解析度(resolution)設為1。

32 瑕疵檢測之目標函數設計Ⅱ: 為了使所擷取之標準規則紋路的特徵更為平滑(smooth) ,可同時擷取多個訓練視窗代表標準規則紋路之特徵。
令 表示標準紋路中第i個樣本(視窗)的彩色能量值,n個訓練視窗之目標函數可定義為

33 瑕疵檢測之目標函數設計(續) 由於 為一個大於零的正值。 所以在檢測正常紋路影像, , 而瑕疵(異常)紋路,
由於 為一個大於零的正值。 所以在檢測正常紋路影像, , 而瑕疵(異常)紋路, 因此便可利用此能量差異以檢測出紋路上之瑕疵。

34 訓練視窗大小為6565 訓練視窗大小為5353 瑕疵影像 訓練視窗大小為4141 訓練視窗大小為2525

35 訓練視窗大小為6565 訓練視窗大小為5353 瑕疵影像 訓練視窗大小為4141 訓練視窗大小為2525

36 正常光源之影像(訓練) 光源變亮之影像 光源變暗之影像 正常光源檢測所得之 能量灰階圖 光源變亮檢測所得之 能量灰階圖 光源變暗檢測所得之 能量灰階圖

37 正常光源之影像(訓練) 光源變亮之影像 光源變暗之影像 正常光源檢測所得之 能量灰階圖 光源變亮檢測所得之 能量灰階圖 光源變暗檢測所得之 能量灰階圖

38 訓練視窗 瑕疵影像 使用 與 進行瑕疵檢測之灰階能量圖 無瑕疵影像 無瑕疵影像之檢測結果 使用 與 進行瑕疵檢測之灰階能量圖

39 訓練視窗 無瑕疵影像 瑕疵影像 檢測無瑕疵影像 之灰階能量圖 檢測瑕疵影像 之灰階能量圖 測試視窗

40 以色彩特徵 與目標函數為 進行紡織品瑕疵檢測結果之3D能量圖

41 訓練視窗 瑕疵影像 使用 與 進行瑕疵檢測之灰階能量圖 無瑕疵影像 無瑕疵影像之檢測結果 使用 與 進行瑕疵檢測之灰階能量圖

42 使用 與 進行瑕疵檢測之灰階能量圖 使用 與 進行瑕疵檢測之灰階能量圖 使用 與 進行瑕疵檢測之灰階能量圖 使用 與 進行瑕疵檢測之灰階能量圖 使用 與 進行瑕疵檢測之灰階能量圖 使用 與 進行瑕疵檢測之灰階能量圖

43 以色彩特徵 與目標函數為 進行紡織品瑕疵檢測結果之3D能量圖


Download ppt "元 智 大 學 工 業 工 程 研 究 所 應用於紋路分析之最佳賈柏過濾器設計."

Similar presentations


Ads by Google