本申請涉及圖像處理，尤其涉及一種表面缺陷檢測方法、裝置、設備及存儲介質。

背景技術：

1、顯著性檢測技術主要是用于尋找圖像中能引起人類視覺認知興趣的圖像區域，是計算機視覺中各種任務的基礎，例如圖像裁剪、圖像壓縮、圖像拼接、圖像分類及目標識別等。

2、但是由于人類視覺系統感知機制的復雜性，目前有多種顯著性檢測算法是基于不同的角度進行設計的；此外，不同的圖像所含有的視覺模式復雜繁多，所以針對不同的圖像，往往會適配不同的顯著性檢測算法。例如，對于飛機表面的缺陷檢測任務，由于飛機鈦合金機體具有大曲面、結構復雜、制造精度高等特點，導致表面缺陷出現概率低、圖像金屬紋理復雜、缺陷面積較小，以及由于金屬光澤暗淡導致背景－缺陷對比度較低。因此，利用目前已有的顯著性檢測技術無法實現對飛機表面進行準確地缺陷檢測。

技術實現思路

1、本申請的主要目的在于提供一種表面缺陷檢測方法、裝置、設備及存儲介質，以提高對表面缺陷檢測的精度，解決不同圖像難以準確適配到性能最優的顯著性檢測算法的問題。

2、為實現上述目的，本申請提供一種表面缺陷檢測方法，包括：

3、獲取待檢測圖像，并利用至少兩種預設檢測算法對所述待檢測圖像進行顯著性檢測，得到對應的顯著性圖像；

4、利用預設超像素分割算法對所述待檢測圖像進行超像素分割，得到多個超像素，并對各所述超像素進行特征提取，得到各所述超像素的圖像特征；

5、基于各所述顯著性圖像和各所述超像素的圖像特征并利用預設差異度函數，確定各所述顯著性圖像的背景與顯著性區域的差異度值；

6、基于各所述顯著性圖像的差異度值確定缺陷檢測結果。

7、可選地，利用至少兩種預設檢測算法對所述待檢測圖像進行顯著性檢測，得到對應的顯著性圖像，包括：利用至少兩種預設檢測算法對所述待檢測圖像進行顯著性檢測，得到對應的初始顯著性圖像；對各所述初始顯著性圖像進行自適應分割，得到各所述顯著性圖像。

8、可選地，所述基于各所述顯著性圖像和各所述超像素的圖像特征并利用預設差異度函數，確定各所述顯著性圖像的背景與顯著性區域的差異度值，包括：基于各所述顯著性圖像的像素值和各所述超像素的像素值確定背景區域超像素和顯著性區域超像素；基于各所述背景區域超像素的圖像特征和各所述顯著性區域超像素的圖像特征，確定各所述顯著性圖像的背景與顯著性區域的差異度值。

9、可選地，所述基于各所述顯著性圖像的像素值和各所述超像素的像素值確定背景區域超像素和顯著性區域超像素，包括：針對任一顯著性圖像，將所述顯著性圖像中各像素點的像素值為第一預設值的像素點定義為背景像素點，將所述顯著性圖像中各像素點的像素值為第二預設值的像素點定義為顯著性像素點；針對任一超像素，在所述超像素中所述背景像素點超過預設占比的情況下，將所述超像素定義為所述背景區域超像素，在所述超像素中所述顯著性像素點超過預設占比的情況下，將所述超像素定義為所述顯著性區域超像素。

10、可選地，所述預設差異度函數為：

11、

12、其中，為預設差異度函數，為所述顯著性圖像，i為所述待檢測圖像，為最大均值差異計算函數，和分別為所述背景區域超像素的特征集合和所述顯著性區域超像素的特征集合，和分別為所述背景區域超像素的個數和所述顯著性區域超像素的個數，為徑向基核函數，和為第i個所述背景區域超像素的圖像特征，和為第j個所述顯著性區域超像素的圖像特征。

13、可選地，所述基于各所述顯著性圖像的差異度值確定缺陷檢測結果，包括：在各所述顯著性圖像的差異度值中選擇最大的差異度值對應的顯著性圖像作為目標顯著性圖像；若所述目標顯著性圖像存在所述顯著性區域，則確定所述待檢測圖像對應的缺陷檢測結果為存在缺陷；若所述目標顯著性圖像不存在所述顯著性區域，則確定所述待檢測圖像對應的缺陷檢測結果為不存在缺陷。

14、可選地，所述超像素的圖像特征至少包括灰度百分比均值、圖像熵和gabor特征。

15、此外，為實現上述目的，本申請還提供了一種表面缺陷檢測裝置，包括：顯著性檢測模塊，用于獲取待檢測圖像，并利用至少兩種預設檢測算法對所述待檢測圖像進行顯著性檢測，得到對應的顯著性圖像；超像素分割模塊，用于利用預設超像素分割算法對所述待檢測圖像進行超像素分割，得到多個超像素，并對各所述超像素進行特征提取，得到各所述超像素的圖像特征；差異度計算模塊，用于基于各所述顯著性圖像和各所述超像素的圖像特征并利用預設差異度函數，確定各所述顯著性圖像的背景與顯著性區域的差異度值；結果確定模塊，用于基于各所述顯著性圖像的差異度值確定缺陷檢測結果。

16、本申請還提供一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現如上述任一種所述的表面缺陷檢測方法。

17、本申請還提供一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，該計算機程序被處理器執行時實現如上述任一種所述的表面缺陷檢測方法。

18、本申請的表面缺陷檢測方法，通過利用多種預設檢測算法對待檢測圖像進行顯著性檢測，得到與各預設檢測算法對應的顯著性圖像；再利用預設超像素分割算法對待檢測圖像進行超像素分割，得到多個超像素，并對各超像素進行特征提取，得到各超像素的圖像特征；進一步基于各顯著性圖像和各超像素的圖像特征并利用預設差異度函數，確定各顯著性圖像的背景與顯著性區域的差異度值；最后基于各顯著性圖像的差異度值確定缺陷檢測結果，通過將多個顯著性檢測算法的檢測結果與超像素分割算法的結果進行集成，從而能夠為待檢測圖像匹配性能最優的顯著性檢測算法，進而提高了對表面缺陷檢測的精度。

技術特征：

1.一種表面缺陷檢測方法，其特征在于，包括：

2.根據權利要求1所述的表面缺陷檢測方法，其特征在于，利用至少兩種預設檢測算法對所述待檢測圖像進行顯著性檢測，得到對應的顯著性圖像，包括：

3.根據權利要求1所述的表面缺陷檢測方法，其特征在于，所述基于各所述顯著性圖像和各所述超像素的圖像特征并利用預設差異度函數，確定各所述顯著性圖像的背景與顯著性區域的差異度值，包括：

4.根據權利要求3所述的表面缺陷檢測方法，其特征在于，所述基于各所述顯著性圖像的像素值和各所述超像素的像素值確定背景區域超像素和顯著性區域超像素，包括：

5.根據權利要求4所述的表面缺陷檢測方法，其特征在于，所述預設差異度函數為：

6.根據權利要求3所述的表面缺陷檢測方法，其特征在于，所述基于各所述顯著性圖像的差異度值確定缺陷檢測結果，包括：

7.根據權利要求1-6任一項所述的表面缺陷檢測方法，其特征在于，所述超像素的圖像特征至少包括灰度百分比均值、圖像熵和gabor特征。

8.一種表面缺陷檢測裝置，其特征在于，包括：

9.一種電子設備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1至7任一項所述表面缺陷檢測方法。

10.一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至7任一項所述表面缺陷檢測方法。

技術總結
本申請公開了一種表面缺陷檢測方法、裝置、設備及存儲介質，涉及圖像處理技術領域。該方法包括：獲取待檢測圖像，并利用至少兩種預設檢測算法對待檢測圖像進行顯著性檢測，得到對應的顯著性圖像；利用預設超像素分割算法對待檢測圖像進行超像素分割，得到多個超像素，并對各超像素進行特征提取，得到各超像素的圖像特征；基于各顯著性圖像和各超像素的圖像特征并利用預設差異度函數，確定各顯著性圖像的背景與顯著性區域的差異度值；基于各顯著性圖像的差異度值確定缺陷檢測結果。由此，以提高對表面缺陷檢測的精度，解決不同圖像難以準確適配到性能最優的顯著性檢測算法的問題。

技術研發人員：郎寧,王飛,鄧棟,高一鳴,梁杰,魏志豪,胡月,呂志愿
受保護的技術使用者：成都飛機工業（集團）有限責任公司
技術研發日：
技術公布日：2025/4/28