傅里叶重建图像法检测磁片表面刀纹缺陷

磁片在被切割为更小的片时表面上可能会出现缺陷,这些缺陷将严重影响磁性材料产品的性能和使用寿命,因此表面刀纹缺陷自动检测成为磁片生产中一个重要的任务。针对经典缺陷检测算法不能很好地提取颜色暗、对比度低的磁片图像的缺陷的问题,提出一种基于傅里叶变换重建图像的磁片表面图像处理方法。用傅里叶变换获取磁片图像的频谱图像,缺陷在频谱图像中被显示为一条亮线。用霍夫变换检测亮线的角度,去除这条亮线的频率分量,使用傅里叶反变换得到去除掉缺陷的正常灰度图像。缺陷区域则可以通过评估原始图像和重建图像之间的灰度差来获得。对大量的磁片图像进行实验后表明,该方法可以准确、高效地检测磁片表面的刀纹缺陷。     

机械加工零件表面纹理缺陷检测

在一些对机械加工零件表面的加工精度和表面质量要求较高的自动化工业中，对机械加工零件表面纹理缺陷进行可靠的、有效的检测和分析可以大大地提高生产加工的自动化水平。为了能够对机械加工零件表面进行可靠、有效的检测，根据机械加工零件表面的纹理特点，设计了一种新的图像频域滤波器，用于增强缺陷纹理图像和抑制背景纹理对缺陷纹理检测的干扰，再通过图像分割的方法的实现了缺陷纹理和背景纹理的分割。实验结果显示，这种方法检测速度较快，尤其适用于机械精加工零件表面纹理缺陷的准实时检测。     

Gabor滤波器在彩色纹理表面缺陷检测中的应用

提出了彩色纹理表面自动缺陷检测的Gabor滤波方法,以同时测度图像中的颜色和纹理偏差.提出的方法不依赖于纹理特征的提取,它基于Gabor滤波器和两个颜色特征复数的彩色图像卷积的能量响应,将彩色纹理图像缺陷检测的复杂问题转换成了滤波图像中的简单的二值化问题.对纺织品、木材等许多实际彩色纹理表面的实验结果表明了该方法的有效性.     

周期纹理背景中的表面缺陷检测技术

基于机器视觉原理的自动光学表面缺陷检测技术是当今工业生产中在线检测表面缺陷的一种新的技术方法,是精密制造与组装工业过程中保证零部件表面质量的重要检测手段.以液晶面板TFT阵列表面缺陷自动光学检测为例,介绍了表面缺陷自动光学检测的基本组成原理,阐述了周期纹理背景表面上的表面缺陷检测方法、缺陷信息处理的基本过程与实用算法.针对表面缺陷检测图像处理技术难题,详细论述了表面缺陷扫描图像中的周期纹理背景傅里叶变换频域滤波方法、缺陷分割双阈值统计控制法,并用实验结果给出了例证.     

基于匹配Gabor滤波器的规则纹理缺陷检测方法

许多工业产品表面纹理都可以被认为是由基本纹理单元在空间按照一定的规则进行排列组合的结果,但由于各种原因,这些有规则纹理图象经常出现的一些缺陷,因而检测这些有规则纹理图象的缺陷是机器视觉检测的重要内容,为了对这种缺陷进行有效地检测,在对这类纹理图象进行功率谱分析的基础上,根据人眼的视觉原理,设计了两类匹配Gabor滤波器,即正常纹理匹配Gabor滤波器和缺陷纹理匹配Gabor滤波器,前者能够突出正常纹理,抑制缺陷纹理,而后者恰恰相反,在将这两类滤波器用于规则纹理图象缺陷的自动检测时,均获得了良好的检测精度和速度。     

基于图像纹理的印刷缺陷检测

针对传统点对点印刷缺陷检测存在经常误报的情况,提出了一种基于图像纹理的印刷缺陷检测模型,该模型经实验证明,具有稳定性高,误报率少的优点。     

基于目标特征的机械零件表面缺陷检测方法

针对机械零件表面缺陷的特点,提出了一种基于目标特征的检测方法。首先,通过对测试图像进行均值滤波,以消除噪声对检测的影响;其次,通过分析表面缺陷特征设置分割阈值,在此基础上,实现对检测目标分割;最后,采用形态学滤波消除噪声和孤立点对检测结果的影响。实验表明,本文采用的方法能够有效抑制图像背景干扰,能够有效的实现机械零件表面缺陷准确检测。     

基于图像处理的铁轨表面缺陷检测算法

对铁路轨道表面缺陷进行检测是保证铁路运输安全的重要手段之一，该文采用计算机图像处理技术对铁路轨道表面的缺陷进行自动化检测，提出了轨道表面缺陷检测的系统设计方案，给出了一种利用图像灰度信息的快速、实时检测算法。实验验证了算法的有效性和高效性。     

基于深度主动学习的磁片表面缺陷检测

摘要：磁片表面缺陷的检测一直是磁片厂流水线生产中提高生产效率、降低生产成本的重要环节。当前多种机器视觉检测方法已经被应用,这些方法都是采取人工提取缺陷特征,但由于磁片表面对比度低,磨痕纹理干扰和缺陷块小且亮度变化大等难点,导致准确度不高、通用性不强;另外在实际生产中巨大数据量获取容易,而人工标注成本高;为此提出一种基于深度主动学习的磁片表面缺陷检测方法可以解决以上两个问题;该方法首先,结合边缘检测和模板匹配算法将磁片前景和背景进行分割;其次,使用Inception-Resnet-v2深度神经网络对样本进行训练,完成对缺陷图像的识别;最后,在深度学习过程中,提出一种主动学习的方法来克服数据集庞大但标注成本高的难点。实验结果表明,该方法的缺陷检测识别率达到了96.7%,并且最多能节省25%的人力标注成本。     

基于二维自适应异小波基小波变换的规则纹理缺陷检测

许多纹理具有规则的重复出现的纹理单元,如纺织纤维结构。为了处理有缺陷的纹理图象,提出了一种利用不同自适应小波基与纹理模型匹配的二维小波变换的新方法。与Ｄａｕｂｅｃｈｉｅｓ的小波基不同,其行和列采用不同的自适应正交小波基,且用遗传算法得到。实验结果表明该方法能确定纹理缺陷的位置。     

织物表面纹理疵点自动检测

根据织物纹理和疵点频谱的不同分布,提出织物疵点检测的新方法。在织物纹理和疵点分类的基础上,通过傅里叶变换获得频谱图。设计频域滤波器抑制正常纹理频谱信息,通过重构对灰度图像进行分割,实现疵点与正常织物纹理的分离。实验结果表明该方法是有效的。     

基于小波及纹理特征的轴承防尘盖缺陷检测

针对常规阈值分割算法难以检测轴承防尘盖表面较浅缺陷问题,提出一种边缘检测算法。该算法基于小波变换对防尘盖区域随机纹理的削弱作用,对分解后得到的低频部分和高频部分分别采用不同参数的Canny算子进行边缘检测。分析防尘盖区域的纹理特征与所选参数之间的关系,设计一种以防尘盖区域直方图熵值为参考的自适应策略。实验结果表明,该算法能有效分离出阈值分割难以检测的缺陷,且不易受防尘盖本身纹理的影响,为缺陷的在线检测提供了良好的支持。     

基于结构和纹理特征融合的场景图像分类

利用整体结构特征和局部纹理特征的优势,采用两级分类器对场景图像进行分类。第1级分类器利用全局结构信息得到候选类别,并通过分类结果判定相似类别对;第2级分类器则利用局部纹理信息区分相似类别,采用分类器的级联综合利用场景图像的整体结构信息和局部纹理信息。实验结果表明,该方法能够做到不同场景类别鲁棒分类,有效区分相似场景类别,提高场景图像的分类准确率。     

一种改进的综合纹理和形状特征的图像检索方法

提出一种利用小波进行综合纹理和形状特征的具有旋转、平移和尺度不变性的图像检索算法.使用角向矩加权方向定义图像的主方向来进行坐标轴的旋转矫正,得到图像的旋转不变性表示;采用具有平移和尺度不变性的小波变换对图像进行小波分解,利用各子带的能量作为纹理特征;利用小波分解的逼近子图重构图像并进一步利用Hu不变矩提取其形状特征.最后对纹理和形状特征进行高斯归一化,综合其特征进行检索.实验中对算法的尺度不变性、旋转不变性、平移不变性及对噪声的不敏感性进行了验证,实验结果证明了该算法具有更高的鲁棒性和查准率.     

基于Canny算法的列车轴承表面缺陷边缘检测

为了对列车轴承表面缺陷进行准确的边缘检测,提出了一种数学形态学和Canny算法相结合的边缘检测算法。通过对形态学结构元素及基本运算的选取,确定了形态学3菱形闭运算作为前处理,结合Canny算法对列车轴承表面缺陷进行边缘检测。同传统的边缘检测算法及形态学边缘检测算法进行比较,实验结果表明,所提算法不仅加强了抑制噪声的能力,还准确地保留了图像的边缘特征。     

基于小波变换的纹理特征提取分析

在图像检索技术中，充分利用纹理特征能大大提高图像检索的准确率。用小波变换的方法提取图像纹理特征参数优势明显．也符合纹理识别的特点。     

基于背景重构X射线钢管焊缝缺陷检测方法

焊缝缺陷检测是保证焊接质量的重要环节,随着工业的高速发展和迫切需求,X射线焊缝缺陷自动检测技术得到了广泛的研究,但是由于成像方式,以及铸件材质等客观因素的影响,X 射线图像存在噪声多、对比度低、背景亮度不均匀、焊缝边缘模糊等问题,使得利用计算机进行焊缝缺陷自动检测的准确率不太理想. 针对这一问题,本文提出了一种能够自动检测钢管焊缝缺陷的检测方法. 首先,采用了快速ICA算法重构了含有缺陷的X射线焊缝图像的背景区域;随后,将原图像与重构图像进行做差,并且对差后图像使用阈值法将缺陷提取出来;最后,在提取出的缺陷结果上做了进一步处理,有效的降低了漏检率和误检率. 与其他传统检测算法相比,它对缺陷类型不敏感,具有较好的适应性和通用性.     

基于特征匹配要求的纹理边缘检测

为了更精确地进行机器人双目视觉中的特征匹配,需要获得数字图像中丰富而精确的纹理与边缘信息。为此提出了一种新的基于稳态小波变换（SWT）的多尺度纹理边缘检测算法。利用稳态小波变换（SWT）的平移不变性来精确捕获奇异点,在多尺度上通过小波参数的梯度变化检测纹理边缘,而后进行多尺度融合并运用形态学方法得到单像素宽度、精确的纹理边缘二值图。通过对比实验结果表明,相对于经典的边缘检测算法,该算法在抗噪声能力,物体表面纹理的丰富度以及边缘定位的准确性上有很大的提升,并满足特征匹配的需求。