基于图像处理的手机软板缺陷自动检测方法

针对手机软板缺陷细小难以检测和缺陷不修复的特殊性,研究了一种新型的手机软板缺陷检测方法;系统利用COMS(Complementary Metal 0xide Semiconductor)摄像头获取被测手机软板的图像,通过图像预处理、边缘增强、图像分割得到二值图像;在检测针孔和基板夹杂的缺陷后,去除瑕疵干扰,与标准模板图像进行匹配,得到全局缺陷;再根据设计准则,判断局部缺陷;实验研究表明,这种检测方法检测速度快、精度高,兼顾传统的参考比较法和非参考法的优点,对常见短路、断路、缺口和凸起等缺陷都可以进行精确的检测.     

基于视觉显著性与PCNN的图像分割算法

针对射线缺陷检测图像对比度低、缺陷边缘模糊、噪声多、存在较大的背景起伏等缺点,传统缺陷检测方法难从焊缝缺陷图像中提取出对比度较低的目标缺陷的问题,该文提出了结合视觉显著性与脉冲耦合神经网络（PCNN）的缺陷分割算法。首先,利用LC算法对射线检测图像进行显著性区域检测,得到反映图像不同区域显著程度的显著图;其次,将所得到的显著图作为简化PCNN的输入图像,并利用最小交叉熵分割出感兴趣区域。实验结果表明,相较于传统的最大类间方差（Otsu）算法和脉冲耦合神经网络算法,采用该算法分割缺陷的效果较好,其分割边缘与细节信息的清晰度高,采用该算法分割缺陷的效果有较大提升。     

一种提高晶粒表面缺陷检测准确性的方法研究

晶粒质量影响半导体芯片性能,针对晶粒表面缺陷检测的问题。本文提出了一种新的缺陷检测方法,能有效抑制图像噪声,提高缺陷检测准确性。首先,采用形态学闭合重建方法去除噪声干扰。然后,将重建图像灰度级别作为聚类样本,构建一个基于离差阵的K-means分割算法准则函数,不断更新聚类中心直至准则函数收敛,完成图像分割。最后,提取分割晶粒 轮廓信息,根据轮廓间的差异性,利用轮廓相似度识别缺陷晶粒,对2937张晶粒图像进行处理并测试,结果表明:该方法能有效滤除了图像噪声,更准确更快速地进行图像分割,对良品检测准确率为100%。对三种典型表面缺陷的平均检测准确率为99.92%。     

小波分解在带钢缺陷检测中的应用

光照不均会降低带钢图像的质量,在研究带钢缺陷特点的基础上,提出一种新的带钢缺陷检测方法。首先,对图像取对数处理并进行小波分解,其次分别对小波分解的子图进行同态滤波,然后对滤波后的子图进行中央周边差操作形成差分子图,在此基础上,对差分子图进行融合处理并取指数处理得到高对比度的缺陷图像,最后采用Otsu分割方法对缺陷图像分割。实验结果表明,该方法能增强缺陷图像对比度,图像细节部分清晰,同时可抑制噪声的影响,能够有效地实现缺陷图像的分割。     

一种基于目标特征挖掘的带钢缺陷图像分割方法

通过分析带钢图像,挖掘缺陷图像的特征,提出一种基于目标特征挖掘的带钢缺陷图像分割方法。首先,将采集的带钢缺陷图像进行中值滤波处理;然后,通过等分图像灰度范围所确定的一系列阈值对带钢图像进行预分割,通过挖掘带钢缺陷图像的特征,以特征因子作为任务驱动,找出特征值发生突变的区间;在此突变的区间内,再按照上述方法对带钢图像缺陷存在的区域进行细分,找出面积突变点,以此确定最佳阈值,通过最佳阈值进行带钢缺陷图像分割,得到特征子图;最后将若干特征子图融合,得到带钢缺陷图像分割结果。实验结果表明,将此方法应用于带钢缺陷图像分割过程中,能够完整有效地分割出带钢缺陷区域,为带钢缺陷的视觉在线检测提供了可能性。     

低信噪比小检测目标光学薄膜缺陷图像分割算法研究*

结合测量误差分析理论,提出一种新的高效的图像分割算法,将薄膜的连续图像采样过程看做等精度测量过程,背景图像认为仅存在随机误差,缺陷像素视做粗大误差。算法在起始阶段通过连续多次采样建立标准背景图像,并统计各像素位置的灰度标准差,然后将实时待测图像中的每个像素与标准背景像素进行减法运算,以3σ作为检测判据,从而将缺陷的检测与分离等效为粗大误差的判别与剔除问题;同时,考虑缺陷像素点的空间分布特征,将上述过程扩展到像素邻域范围,以二维分割阈值取代一维阈值,对离散噪声有明显的抑制作用。实验结果表明,该算法运算速度快,对低对比度图像适应性好,对噪声不敏感,可实现对不同种类缺陷的准确、完整分割,适于实时光学薄膜检测应用。     

基于HMT模型的带钢表面缺陷检测研究

为了减少带钢表面缺陷检测系统需要处理的数据量,提高系统检测效率,提出基于隐马尔科夫模型的带钢表面检测方法。该方法在检测系统获取图像数据后,先用相对简单的方法分割出图像中的缺陷可疑区域,然后根据带钢表面图像的特点,采用隐马尔可夫树模型(HMT)进行数据分析,并改进HMT模型参数,完成多尺度分割效果融合,获得最终的分割结果。在对带钢缺陷测试样本集的分割中,采用HMT模型为带钢表面图像建立背景和缺陷两个模型,尺度3缺陷检出率达到94.4%,相比高斯混合模型提升了5.5%,误检率达到18.8%,比高斯混合模型降低了2%。     

带钢缺陷图像的自动阈值分割研究

文章根据带钢缺陷图像的特点,提出了基于灰度统计特性的图像边缘检测方法,结合纹理检测、聚类分析,实现了对带钢缺陷图像的自动阈值分割。实验结果表明,该方法具有在精度和速度方面的优势,适合对带钢表面图像的缺陷进行实时检测。     

新的噪声污染灰度图像边缘检测统计方法*

针对传统算子进行边缘检测时易丢失边缘信息和在非边缘处增强噪声的缺陷,提出一种基于非参数变点统计分析的噪声图像边缘检测方法,该统计方法不但不需要图像数字特征的任何先验信息,而且对噪声污染的图像不作任何滤波处理.实验结果表明,提出的算法优于Sobel算子,并能抑制信噪较低的高斯噪声和密度较高的椒盐噪声对分割结果的影响,是一种有效的噪声污染灰度图像边缘检测方法.     

基于缺陷比例限制的背景差分钢轨表面缺陷检测方法

针对钢轨表面图像具有的光照不均匀、可识别特征有限、对比度低、反射特性易变等特性,提出基于缺陷比例限制的背景差分钢轨表面缺陷检测方法。该方法主要包括轨面图像预处理、背景建模与差分、缺陷比例限制滤波、缺陷比例限制最大熵阈值分割和连通区域标记5个步骤。首先结合轨面图像列灰度均值和列灰度中值进行快速背景建模,将预处理后的图像与背景图像进行差分操作;其次利用轨面图像缺陷占比较低的特征对差分图进行缺陷比例上限的阈值截断,以增强差分图的对比度;随后利用此特征改进最大熵阈值分割,采用自适应加权因子对目标熵进行全局可变加权,并选择出一个合适的阈值使熵值最大化,使得在保留真实缺陷的同时减弱诸如阴影、锈迹等噪声的干扰;最后利用连通区域标记法对阈值分割后的二值图像中的缺陷区域进行统计,并把缺陷面积低于钢轨损伤标准的区域判定为噪声并进行去除,以实现钢轨表面缺陷检测。仿真实验结果表明,新方法可以对钢轨表面缺陷进行很好的检测,其检测结果的召回率、精确率和加权调和平均值分别达到94.19%、88.34%和92.96%,平均错误分类误差值为0.006 4,具有一定的实用价值。     

基于边缘检测的生产线手机膜缺陷识别方法

目前国内手机保护膜的产量和销量巨大,但手机膜生产线上的缺陷检验仍采用目检法,检测效率与准确率较低.针对生产线上手机膜缺陷检测的4个关键问题(正常与缺陷类别不平衡、高信噪比去噪、边缘特征提取以及缺陷样本检测效率)进行研究.采用RST和图像剪切方法实现缺陷样本扩充,解决缺陷样本少,缺陷位置和形式不足问题;提出自适应小波阈值及新的阈值函数,实现传统小波阈值去噪方法的改进,获得优异的去噪效果;在图像边缘检测技术中,引入改进小波阈值去噪方法及Otsu阈值设置方法,提高传统Canny算子的边缘检测性能,实现图像特征有效提取;利用具有旋转、平移及尺度不变性的Zernike矩对边缘检测结果进行特征表达,提高模式识别的效率及准确率.采用支持向量机(SVM)对正常手机膜和缺陷手机膜的边缘Zernike矩特征进行识别,实验结果表明所提方法准确率高、检测速度快,满足生产线上手机膜的缺陷检测要求.     

基于图像处理的手机屏幕缺陷检测系统研究

针对手机屏幕生产中的缺陷检测问题,提出了基于机器视觉的手机屏幕玻璃缺陷检测系统,采用光学成像模块、图像采集模块和图像处理软件设计模块对手机屏幕玻璃缺陷进行识别检测,检测效率高,实时性好.对手机屏幕玻璃缺陷检测所需用到的算法进行了研究,针对手机屏幕玻璃缺陷细微、痕浅等特点,提出了基于图像快速匹配的差分算法,实现了缺陷特征的准确提取.     

基于机器视觉的FPC补强片缺陷智能检测仿真

针对当前电路板缺陷检测方法存在召回率低和复杂度高的问题,提出基于机器视觉的FPC补强片缺陷智能检测方法。通过空域或者时域上的连续图像转换为离散采样点实现柔性印制电路补强片图像采样,将采样得到的柔性印制电路补强片图像函数连续数值转换成其数字等价量,实现图像量化。将量化结果代入中值滤波,利用数据排序方式将图像中没有被污染的点与噪声点替换,完成图像噪声滤除处理。基于处理后的补强片图像,将FPC补强片缺陷检测划分成全局检测与局部检测。利用直方图配准与八连通域面积对全局缺陷进行识别,实现补强片缺陷初步检测,通过投影配准与相关系数对局部缺陷进行检测。实验结果表明,上述方法可有效提升补强片缺陷检测召回率,计算复杂度低于当前相关研究成果。所提方法性能优越,具有合理性与鲁棒性。     

基于PU-Faster R-CNN的手机屏幕缺陷检测算法研究

手机屏幕缺陷检测是手机生产的重要环节,实现准确而高效的屏幕缺陷检测对于提高手机工业产能具有重要意义。在实际生产过程中,手机屏幕图像缺陷特征隐晦、缺陷尺寸差异大等问题,加大了手机屏幕缺陷检测的难度。为解决上述问题,提出了一种基于Preprocessing operations are combined with U-Net-Faster R-CNN（PU-Faster R-CNN）的手机屏幕缺陷检测模型。针对手机屏幕图像的特征信息隐晦的问题,提出多层特征增强模块,有效的对目标缺陷特征信息进行增强。构建多尺度特征提取网络,有效提取多尺度的缺陷特征信息。为了生成拟合性更好的Anchor box,提出了自适应区域建议网络,通过自迭代聚类算法生成尺寸更准确的Anchor box模板。实验结果表明,基于PU-Faster R-CNN的手机屏幕检测框架在手机屏幕数据集上优于主流的手机屏幕缺陷检测框架。     

基于模式噪声大分量的手机相机来源检测

将模式噪声作为固定指纹特征应用于手机相机来源检测时,存在计算复杂、效率不高等问题。为此,提出一种基于模式噪声大分量信息的手机相机来源检测方法。利用光响应敏感点的成像特性及对模式噪声的影响,将其从模式噪声中分离出来,构成模式噪声的大分量信息,并作为新的模式噪声进行手机相机来源检测。实验结果表明,与传统基于模式噪声的图像来源检测方法相比,该方法不仅能有效辨识手机相机图像的来源,而且能减少检测计算量。     

基于形态学梯度的图像边缘检测算法

边缘检测是数字图像处理的一个重要内容,讨论了经典的边缘检测算子算法,该算法更多地采用Prewitt算子、LOG算子、Canny算子等在空域中进行。数学形态学在图像处理中有广泛的应用,其基本原理是基于利用结构元素去探测图像;在讨论常见数学形态学梯度的基础上,提出了一种基于形态学梯度的图像边缘检测算法,应用定义的形态学梯度结构检测出较理想的图像边缘信息。仿真结果表明,该算法在含噪图像中能得到较为理想的图像边缘信息,其抗噪声性能明显地优于经典的算子检测算法,在检测精度方面较经典的单一算子检测方法亦有一定的改善。     

一种印刷电路板缺陷图像边缘信息提取方法

为了较好地提取印刷电路板缺陷图像边缘信息,提出了基于二阶曲线拟合、模式聚类与阈值比较法相结合的印刷电路板缺陷图像边缘信息提取方法。首先分析了最小二乘法拟合的基本原理;然后在此基础上提出了采用二阶曲线拟合法来设定阈值进行拟合得到大致的图像边缘,并分析了其基本原理;最后在模式聚类基础上利用阈值比较法选择适当阈值截取拟合曲线得到图像边缘点、去除噪声边缘点,连接各个图像边缘点可得到缺陷图像的边缘信息。用由显微镜及CCD获取的4幅印刷电路板缺陷图像进行了实验;从实验主观效果看,用该方法提取出图像边缘信息的效果较好,图像边缘比较连续,噪声点极少;从实验客观效果评价看,用该方法所得到的图像边缘信息熵较大。实验结果表明,该方法结合了二阶曲线拟合、模式聚类与阈值比较法优点,可较好地提取出印刷电路板缺陷图像的边缘信息。     

一种基于双边滤波的图像边缘检测方法

提出了一种基于双边滤波的图像边缘检测方法。利用图像像素的空间邻近度和灰度相似度的乘积来代替传统的Canny算法中高斯滤波的权系数,用该乘积与原图像进行卷积运算,然后通过非极大值抑制和高低阈值的方法检测出图像的边缘。基于双边滤波的图像边缘检测方法不仅有效地去除了图像中的噪声,而且很好地检测出了图像的真实边缘。     

基于图像距离差的织物疵点检测算法

本文将机器视觉与数字图像处理技术引入到织物疵点检测中,提出了一种织物疵点检测算法——图像距离差算法。该算法可使用户根据织物的类型,自行设置相应的疵点检测控制参数,能够检测出三十多种常见的疵点。实验证明该算法具有识别正确率高,识别速度快等优点。     

基于多尺度形态学梯度的医学图像边缘检测

边缘检测是数字图像处理的一个重要内容,经典的边缘检测算子算法主要采用Prewitt算子、LOG算子、Canny算子等在空域中进行.数学形态学利用结构元素去探测图像,在讨论形态腐蚀和形态膨胀的基础上,提出了一种基于多尺度形态学梯度的医学图像边缘检测算法.单尺度形态学基元随着尺度的增大形成新的更大尺寸的结构元素,从而检测不同的边缘信息,最终重建较理想的图像边缘.仿真结果表明,该算法在含噪图像中能得到较为理想的图像边缘信息,其抗噪声性能明显优于经典的算子检测算法,检测精度较经典的单一梯度算子检测方法亦有一定的改善.