融合多特征因素的像素级裂缝检测

针对道路或墙面等混凝土建筑结构裂缝视觉检测方法中,裂缝实际宽度被拓宽,引起测量误差,且对比度低的浅层裂缝信息易被丢失等问题,提出了一种融合多特征因素的像素级裂缝检测方法.该方法通过分析裂缝的结构特点和纹理信息,提出基于纹理各异向性的像素级灰度、强度和梯度特征的裂缝识别方法,利用图像像素最小路径中最小权重与最大权重的比值作为波动因子,通过像素本身的灰度信息与周围环境的差异性,并结合最小路径上的纹理结构,来确定裂纹与背景之间的分割线.根据PI、PG和FFA的像素特征,采用融合多特征因素检测裂缝.实验表明:该算法检测复杂环境下的沥青道路或墙面裂缝表现出良好的鲁棒性,可快速、准确地检测出裂缝.     

涡轮叶片多视角缺陷图像快速融合方法

针对航空涡轮叶片的图像缺陷难以在单一视角下呈现完整缺陷,不利于后期修复等问题,提出了双尺度分解与基于引导滤波的显著性权重图像融合算法。双尺度分解利用均值滤波和中值滤波将待融合源图像分解成了全局信息基础层和局部信息细节层,再分别通过加权融合和基于引导滤波的显著性权值滤波方法进行基础层和细节层的融合,完成图像重构,实现最终多视角涡轮叶片缺陷图像融合。结果表明,所提算法具有良好的抗干扰能力,且对于涡轮叶片边缘缺陷、缺陷对比度保留以及不均匀光度金属背景的均衡融合等方面的综合性能优秀,融合的缺陷目标和金属背景都较为完整、均匀。