源欣为你揭秘：全自动视觉检测技术之模型法

全自动视觉检测技术之模型法是以图像的构造模型为基础，不同的纹理在某种假设下表现为模型参数取值的不同，如何采用优化参数估计的方法进行参数估计是模型法研究的主要内容。源欣在光电仪器耕耘22年，专注视觉自动化检测技术研发与应用，下面源欣将为你介绍全自动视觉检测技术之模型法。

典型的模型法有马尔可夫随机场(MRF)模型、分形模型和自回归模型等。

(1) 分形模型。分形的概念是美籍数学家Mandelbrot首先提出的。很多自然图像(如海岸线)其特征是极不规则、极不光滑的，但所有海岸线在形貌上却是自相似的，即局部形态和整体形态的相似。具有自相似性的形态广泛存在于自然界中，Mandelbrot把这些部分与整体以某种方式相似的形体称为分形。1975年，Mandelbrot创立了分形几何学。在此基础上，形成了研究分形性质及其应用的科学，称为分形理论。

Pentland首次用分形有来描述纹理，认为自然界中的分形与图像的灰度表示之间存在着一定的对应关系，指出分形维数是描述纹理的一个重要特征。分形模型中如何确定分数维是描述纹理的重要问题，常用的算法有Keller的盒维数、Sarkar等人提出的差分计盒法等。分形模型主要适用于具有自相似性的自然纹理。

(2)MRF模型。随机场模型法试图以概率模型来描述纹理的随机过程，实质上是描述图像像素对其邻域像素的统计依赖关系，常见的随机场模型有Markov模型、Gibbs模型等。

MRF模型将纹理图像看用是一个随机2维图像场，并且假设像素的灰度级仅与邻域内像素的灰度级有关，使用局部邻域的条件分布描述作为对应随机场的局部特征。MRF模型的优点是能将局部特性与全局特性联系起来，且有较好的抗噪性能。但基于Markov随机场模型仅通过局部特征很难得到全局的联合分布，Cohen将Markov与高斯分布联系起来，提出了使用高斯—马尔可夫模型(GMRF，在检验过程中，被视为假设检验的问题源自高斯—马尔可夫模型。

徐科等人将分形维数作为特征量，利用Peleg毯覆盖法计算图像在不同尺度下的分形维数，通过尺度—分形维数曲线图估计最优尺度，用于对热轧带钢表面缺陷的自动识别，取得了良好的效果。李庆中等人基于分形特征进行水果缺陷快速识别研究，通过该方法提取的纹理特征不受光照强度变化的影响，且具有平移、旋转和缩放不变性。

东莞市源欣光电仪器有限公司，专注从事光学、视觉检测二十年余年可按客户不同的检测需求，为客户提供非标视觉检测成套方案，以及相关产品测量的定制化服务。在产品的外观缺陷检测、产品尺寸检测，以及产品的细分挑选有丰富的行业经验。