基于纹理特征的磁瓦表面缺陷提取

为了达到准确有效地提取磁瓦表面缺陷的目的,针对磁瓦图像纹理特征,设计了一种陷波滤波器来增强缺陷目标并抑制背景纹理,然后通过自适应中值滤波来消除噪声,最后利用Canny边缘检测方法提取出磁瓦表面存在的缺陷。通过实验表明,该方法能有效地提取多种磁瓦内外表面缺陷,通用性好,为后续缺陷特征的提取和识别分类奠定了良好的基础。     

基于OpenCV的磁瓦表面缺陷视觉提取方法研究

针对磁瓦在加工过程中所产生的表面缺陷,提出了一种基于OpenCV的磁瓦表面缺陷机器视觉检测方法.通过计算图像的熵值初步判定磁瓦表面纹理是否均匀,进而对判定有缺陷的图像计算相应的灰度阈值,然后使用所得阈值对图像进行二值化处理,最后使用OpenCV勾勒出缺陷轮廓.实验表明该方法可以准确地在图像中提取出缺陷.     

基于机器视觉的小磁瓦表面微缺陷检测方法研究

针对小磁瓦成像不清晰、检测难度大、对比度低、纹理背景复杂、亮度不均匀、缺陷区域小及缺陷种类多等问题,提出了一种小磁瓦表面微缺陷的视觉检测方法。首先,根据小磁瓦弧形表面、倒角及缺陷区域对成像的影响,通过分析了小磁瓦表面图像中缺陷区域与正常区域的灰度、灰度梯度及缺陷形态的差异,将其表面缺陷类型划分为3类;其次,根据3类表面缺陷的成像特点、缺陷形态特征及与背景区域的关系,分别设计了相应的缺陷提取方法;最后,在不同的光照、规格、缺陷类型等条件下,利用开发的实验装置进行了实验分析。研究结果表明:提出的小磁瓦表面微缺陷提取算法稳定性好、鲁棒性强,能够准确、快速地提取小磁瓦表面中的缺陷区域,检测准确率可达93. 5%。     

带钢表面缺陷检测及分割技术研究

对带钢表面缺陷检测与分割技术进行了深入的研究,探讨了针对带钢表面缺陷图象特点所应:采取的策略.首先通过对传统差影图法进行改进,提出了一种通过实时更改标准图的缺陷检测方法,并通过;比较四种常用的分割算法,选择出适合带钢表面缺陷分割算法-迭代阈值法.     

基于均值漂移与自适应阈值分割的刀具磨损检测方法

针对车刀表面粗糙度大、磨损区域图像难以准确分割的问题,提出一种基于均值漂移和自适应阈值分割的刀具磨损检测方法.这一方法通过频率域滤波过滤图像中无效的高频噪声信息,对降噪图像进行形态学处理.利用均值漂移聚类算法进行预分割处理,简化纹理信息,并突出磨损区域特征.通过自适应阈值分割算法准确提取刀具磨损区域,同时计算刀具的磨损宽度均值.试验表明,采用所提出的刀具磨损检测方法,分割准确率达到97.96％,能够有效判别刀具的磨损状态.     

磁瓦表面图像的曲线拟合缺陷提取方法

为了克服磁瓦图像光照不均匀、缺陷区域对比度低等难点,提出了一种基于曲线拟合的图像分割方法。对磁瓦图像进行逐行扫描后得到的灰度曲线,利用形态学滤波去除尖锐的波峰和波谷,然后以二次曲线作为模型采用最小二乘法拟合平滑后的曲线得到该扫描线的灰度分布趋势,最后通过差分手段减弱背景影响、突出缺陷区域,用阈值分割将缺陷区域提取出来。实验证明该方法能够有效准确地提取不同光照下磁瓦内、外表面的不同种类缺陷,为后续缺陷的分类识别奠定了良好基础。     

基于改进Sobel算法的实时图像边缘检测系统设计

针对传统Sobel边缘检测算法需要人为指定阈值而且检测出的边缘较宽等问题,提出一种自适应阈值和非极大值抑制相结合的边缘检测算法。引入中值滤波的思想生成自适应动态阈值,将该值作为二值化处理的阈值,并采用非极大值抑制的方法细化梯度图像,同时通过增加梯度检测方向提高了算法对复杂纹理的识别能力。将改进后的算法在FPGA平台上实现,实验验证了其有效性。     

基于机器视觉的树脂镜片表面疵病边缘检测

针对树脂镜片表面疵病自动化检测的需求,开展了基于机器视觉的树脂镜片表面疵病边缘检测研究.设计一种改进的快速Hough圆检测方法获取镜片图像的感兴趣区域,采用混合滤波消除脉冲噪声和高斯噪声,提出一种基于局部窗口阈值的改进Canny边缘检测算法,选取局部最佳分割阈值,对窗口内的疵病实现精确分割.实验结果表明,该边缘检测算法能够较好地检测疵病边缘细节.     

磁瓦表面图像的下包络线灰度对比度缺陷检测算法

为解决磁瓦表面缺陷对比度低、整体亮度不均匀以及磁瓦图像中存在大量的冲击噪声干扰等难题,提出了一种基于下包络线灰度对比度的缺陷检测算法。首先定义扫描线灰度对比度,用下包络的方式来优化每一行扫描灰度曲线,然后计算下包络线上的最大灰度对比度并判断该点是否为缺陷区域中的点从而得到缺陷区域的"骨架",最后通过8邻接方式对"骨架"进行扩展得到完整的缺陷区域。实验证明,该方法能够有效解决冲击噪声对图像分割的影响,克服光照不均、表面存在磨削条纹等干扰,对不同类型缺陷有较好的分割效果。     

阈值分解下的冷轧极薄带钢表面缺陷分割

为分割具有低对比度和噪声复杂的冷轧极薄带钢缺陷,在二维Otsu分割算法的基础上进行了改进。为了避免在一个很大的二维空间上搜索阈值,分解二维Otsu分割算法的二维直方图,分别在图像像素灰度直方图和像素邻域灰度直方图上进行阈值求解,并将获得的阈值作为最佳分割阈值。为改善分解过程中忽略的边缘和噪声影响,将平衡因子加入到像素邻域灰度分割阈值求解中。最后通过大量实验对二维Otsu分割算法、量子粒子群双阈值分割算法和改进分割算法的分割结果进行对比分析。实验表明,该算法能够快速高效地分割出冷轧极薄带钢表面的各种缺陷。     

结合噪声估计的NRLBP铆钉表面缺陷检测

针对铆钉表面缺陷纹理形态复杂多变,传统纹理特征提取方法难以获取准确纹理信息、铆钉缺陷识别率较低的问题,提出一种自适应阈值抗噪LBP的铆钉表面缺陷检测算法AT_NRLBP。首先,将铆钉图像均匀分块后提取铆钉子块;然后,基于PCA分解铆钉子块的协方差矩阵,估计子块图像的噪声水平。根据图像噪声强度计算NRLBP阈值,编码铆钉子块得到NRLBP纹理特征。最后,训练SVM单分类器分类铆钉子块,检测并标记出缺陷子块。实验结果表明,这里算法能有效地检测出铆钉表面缺陷,误检率明显降低;与其他纹理分类算法相比,这里算法在KTH-TIPS数据集上的分类准确率较高。     

基于RGB的干枣图像区域阈值分割算法的应用研究

针对目前基于RGB模型的干枣彩色图像研究中的一系列问题,提取干枣图像大小与实际大小相差较大,算法复杂、速度慢,很难达到在线检测的要求,提出一种利用机器视觉技术以提取干枣图像目标的新方法,分别统计R、G、B各分量的灰度值,绘制相应直方图;通过分析比较,选取R-B分量灰度直方分布图作为确定阈值分割的依据,利用大津法自适应求出阈值,然后提出区域阈值分割方法,并对干枣图像进行阈值分割。多次实验证明,利用该算法提取干枣大小与实际大小非常接近,稳定性高,检测速度快,可以满足进行干枣的形状、表面缺陷等检测要求,能够满足机器视觉技术在线检测要求。     

基于改进 Canny 算子的锂电池极片表面缺陷检测

针对目前锂电池极片表面存在低对比度微小缺陷难以检测的问题,提出了一种基于改进Canny算子的锂电池极片表面缺陷检测方法。首先,使用双边滤波改善高斯滤波在降噪时可能造成的图像边缘模糊问题,并在此基础上引入多尺度细节增强算法来增强低对比度图像;其次,基于Sobel算子的3×3梯度模板计算极片图像的梯度幅值和梯度方向;最后,基于最大熵和Otsu算法自动获取图像的高、低阈值,通过逻辑与运算对两种算法阈值分割后的检测结果进行边缘融合,并利用形态学闭运算和细化算法修复不连续边缘,得到最终检测边缘。实验结果表明,传统Canny算子和Otsu-Canny算法难以有效检测不同类型的暗斑、露箔和划痕缺陷,而本文算法对这些缺陷均取得了较好的检测效果,能够在突出目标缺陷区域的同时,有效减少同色度背景噪声,正确检测率达98%,具有一定实用价值。     

基于改进Otsu的墙纸缺陷检测方法研究

针对墙纸缺陷检测中,由于墙纸纹路繁多、花纹复杂等因素,导致实际缺陷检测不准确问题,提出一种基于改进Otsu的墙纸缺陷检测方法。首先对R、G、B三种颜色通道进行预处理,图像预处理之后使用改进后的Otsu方法,使其分割的最佳阈值能随背景复杂程度变化而变化,并适用于各种图像。实验结果表明,预处理能够有效地抑制墙纸背景、增强缺陷部分。对于各种纹理墙纸均能检测出裂纹、孔洞、褶皱、黑斑四种缺陷,并且检测耗时较短,平均只需0.157s。     

基于Otsu方法的钢轨图像分割

由于钢轨图像灰度分布不均,一般的图像分割法难以将目标从背景中分割出来,故本文提出了目标方差加权的类间方差阈值分割法对钢轨图像进行阈值分割。分析了钢轨图像的特点,总结了加权的目标方差(Otsu)方法及其它全局阈值分割法对钢轨图像分割存在的问题。然后,对Otsu方法进行改进,以目标出现的概率为权重,对类间方差的目标方差加权,使分割阈值靠近单模直方图的左边缘和双模直方图的谷底。最后,计算图像的错误分类误差、钢轨图像的缺陷检测率和误检率来验证算法的有效性。实验结果表明,改进的Otsu方法能有效地分割钢轨图像,错误分类误差接近0。与其它阈值分割法如Otsu法、其它改进的Otsu法、最大熵阈值分割法相比,本文方法对钢轨图像的分割效果更优,缺陷检测率和误检率分别为93%和6.4%,适合机器视觉缺陷检测的实时应用。     

基于背景差分的高铁钢轨表面缺陷图像分割

高铁钢轨表面图像具有光照变化、反射不均、特征少等特点,使得缺陷自动检测极为困难。为了在高速运动过程中,从复杂的钢轨表面图像中分割出缺陷,根据钢轨表面图像具有沿钢轨方向像素值基本不变的特征,建立钢轨表面图像背景模型,提出了基于背景差分的钢轨表面缺陷检测算法,主要包括钢轨区域提取、背景建模差分、阈值分割和图像滤波4个步骤,其主要特点是将视频监控中的背景差分法推广到缺陷图像分割领域,同时借助自适应阈值分割和滤波技术,在一定程度上,解决了铁轨表面缺陷分割过程中图像光照变化、反射不均、特征少等不利因素的影响。实验仿真和现场测试结果均表明,该方法对块状缺陷能很好地识别,召回率和准确率分别达96%和80.1%。     

TFT-LCD Mura缺陷机器视觉检测方法

针对液晶显示器(Liquid crystal display,LCD)制程中Mura缺陷检测的重要性和人工检测的弊端,研究TFT-LCD Mura缺陷的机器视觉自动检测方法。基于国际半导体设备与材料组织(Semiconductor Equipment and Materials International,SEMI)标准中Mura缺陷的测量规范和LCD视觉检测试验平台,针对Mura缺陷边缘模糊、对比度低、图像中存在重复纹理背景和整体的亮度不均匀等特点,分别研究基于实值Gabor小波滤波的纹理背景抑制方法、基于同态变换和独立分量分析的亮度不均匀校正方法、基于主动轮廓模型和水平集方法的缺陷分割以及基于SEMI标准的缺陷量化方法,综合几个方面的研究,建立Mura缺陷自动检测流程。检测试验证明,所提出方法能较好地抑制纹理背景、校正背景亮度不均匀和莫尔条纹,准确的分割缺陷并进行量化评定。该方法适用于Mura缺陷的自动检测,检测方法与人的视觉特性相似,具有较好的鲁棒性。对于50个带有Mura缺陷的LCD样本,有48个样本被成功检测。     

基于纹理主、旁瓣特征的雪糕棒裂缝缺陷检测

裂缝是雪糕棒表面一种严重缺陷,对雪糕棒的加工和使用影响极大,然而部分又细又浅的裂缝与雪糕棒表面的木纤维纹络具有诸多相似之处,使得当前检测算法提取效果不佳。针对该问题,在对裂缝纹理及木纤维纹络的特征进行详细分析的基础之上,提出了一种基于纹理主瓣和旁瓣灰度特征相结合的检测方案。首先建立纹理主瓣和旁瓣灰度特征提取基本模型;然后提取雪糕棒表面头部全部纹理的边缘;接着,根据建立的模型提取上一步骤所得各边缘相应纹理的主瓣和旁瓣灰度特征量,并根据主瓣特征量的数值大小初步锁定其中属于裂缝纹理的候选边缘(其中包括全部的裂缝边缘和部分木纤维纹络边缘);最后,通过旁瓣特征量与预设阈值的数值关系识别出上一步骤候选边缘中的裂缝纹理边缘,从而实现裂缝缺陷的检测。在自建图库SUT-I3上进行了测试,结果显示所提方法在裂缝缺陷漏检率为0的前提下,其误检率低至6.07%,相对于其他雪糕棒或木材表面裂缝检测方法其误检率最少降低了9.29%,表明了所提方法的高效性,具有实际应用价值。     

基于机器视觉的陶瓷砖表面缺陷快速检测方法的研究

为了提高陶瓷砖表面缺陷检测效率,提出了一种基于机器视觉的表面缺陷检测方法。采用了自适应中值滤波算法对表面图像进行预处理,利用形状匹配实现图像之间的对齐,采用Deriche亚像素分割算法实现了陶瓷砖边缘的精确分割,设计局部门限算法实现陶瓷砖表面缺陷图像的提取。实验结果表明：该方法可实现陶瓷砖表面缺陷的快速提取,效果较好。     

玻壳缺陷检测中局部阈值分割问题的研究

对于目标所占比例很小的图象,目标在直方图中退化为平坦峰.针对这种情况,提出了一种自适应的局部阈值分割方法,该方法在玻壳缺陷图象的分割中取得了很好的效果,而且同样适合于医学图象和显微图象的分割.