1.一种基于改进的机器视觉注意机制的磁瓦表面缺陷检测方法，其步骤为：步骤一、输入磁瓦表面原始图像，利用形态学的顶帽和底帽变换相结合的方法，增强图像整体灰度对比度；

步骤二、将步骤一所得磁瓦图像均匀分成a*b个图像块，每个图像块边长为M*N，然后利用分块后的图像块的灰度特征量区分缺陷图像块和非缺陷图像块，判断图像是否存在缺陷并确定缺陷所在图像块位置；

步骤三、采用改进Itti视觉注意机制模型计算步骤二所得缺陷图像块的显著度，选择初级特征用以形成显著图，对融合后的综合显著图进行归一化，获得最大注意焦点即为缺陷区域；

步骤四、在获得综合显著图后选用大津阈值分割算法对综合显著图阈值化，提取缺陷区域。

2.根据权利要求1所述的一种基于改进的机器视觉注意机制的磁瓦表面缺陷检测方法，其特征在于：步骤一进行顶帽和底帽变换的过程为：顶帽变换图That(f)和底帽变换图Bhat(f)的计算公式如下：

其中，f表示原始图像，γ(f)表示原始图像f的开运算，φ(f)表示原始图像f的闭运算；

将原始图像f减去That(f)来减少图像的明亮细节，再减去Bhat(f)来增强图像对比度，实现强调磁瓦缺陷区域的目的，输出图像用kTH表示，计算公式如下：kTH＝f-λThat(f)-ψBhat(f)式中，选用半径为17mm的圆形结构作为形态学中的结构元素，参数因子λ＝0.1，ψ＝

0.1。

3.根据权利要求1或2所述的一种基于改进的机器视觉注意机制的磁瓦表面缺陷检测方法，其特征在于：步骤二中所述图像块的灰度特征量包括图像块均值Wm、对四方向灰度共生矩阵叠加的熵值Wc和改进的图像块方差Wd；其中：图像块均值Wm为将图像块像素灰度值从小到大排序后统计前n项的局部均值，计算公式如下：

式中，f(xi，yi)表示局部区域里坐标为(xi，yj)点的像素灰度值；

对四方向灰度共生矩阵叠加的熵值Wc计算公式如下：

上式中，k为灰度共生矩阵的边长；p(i，j)表示在矩阵内(i,j)处的统计概率，t表示灰度共生矩阵计算熵值的方向；

改进的图像块方差Wd计算公式如下：

Wd＝Std(SN-min(SN))

SN(x)＝[SN(x1)，......，SN(xN)]上式中，Std()为求均方差公式，SN(x)为将图像块中竖直方向的灰度值相加形成的1×N的矩阵，f(xi，yi)表示坐标为(xi，yj)点的像素灰度值。

4.根据权利要求3所述的一种基于改进的机器视觉注意机制的磁瓦表面缺陷检测方法，其特征在于：步骤二中判断缺陷图像块和非缺陷图像块的标准为：缺陷图像块的Wm值均小于所处行图像块的Wm值，Wc和Wd值均大于所处行图像块的Wc、Wd值，缺陷图像块的Wd值大于所处行图像块第二大Wd值的3倍。

5.根据权利要求1或2所述的一种基于改进的机器视觉注意机制的磁瓦表面缺陷检测方法，其特征在于：步骤三中选择的初级特征包括：a.局部亮度特征：采用局部亮度的均值和方差作为参考，用局部区域中每一个像素的灰度值与该区域的图像块灰度值的均值和方差相减得到差值，并对该差值进行指数函数处理，得到局部亮度显著图Sl(x，y)，计算公式如下：Ilocal(xi，yi)＝f(xi，yi)-(mlocal(x，y)+μ·dlocal(x，y))

式中，mlocal(x，y)表示局部灰度平均值，dlocal(x，y)表示局部灰度方差，f(xi，yi)表示坐标为(xi，yj)点的像素灰度值，μ为方差控制因子，取值范围为0～1；

b.全局亮度特征：采用全局的平均值作为参考，用每个像素的灰度值与之相减，并对差值进行指数函数处理，得到全局亮度显著Sg(x，y)，计算公式如下：Iglobal(xi，yi)＝|f(xi，yi)-mglobal|

式中，mglobal为整幅磁瓦图像的灰度平均值，sum(Iglobal(xi，yi))为所有Iglobal(xi，yj)值的和；

c.频率特征：利用DoG滤波器，获得频率特征显著图SG(x，y)，计算公式如下：

SG(x，y)＝|mglobal-IG(x，y)|式中，IG(x，y)为经DoG滤波后的图像，σ1和σ２是高斯核函数的标准差，σ1∶σ2＝5∶1。

6.根据权利要求5所述的一种基于改进的机器视觉注意机制的磁瓦表面缺陷检测方法，其特征在于：所述的σ1＝0.5，σ2＝0.1。

7.根据权利要求6所述的一种基于改进的机器视觉注意机制的磁瓦表面缺陷检测方法，其特征在于：步骤三中对于得到的局部亮度显著图、全局亮度显著图、频率特征显著图进行融合，生成综合显著图的计算公式如下：