基于非下采样Shearlet变换的磁瓦表面缺陷检测

针对磁瓦表面缺陷对比度低、图像受不均匀背景和磨削纹理干扰大等问题,提出了一种基于非下采样Shearlet变换（non-subsampled shearlet transform,NSST）的磁瓦表面缺陷检测方法。首先,对磁瓦图像进行多尺度多方向NSST分解,得到一个低频子带图像和多个频率和方向变化的高频子带图像。然后,根据缺陷在高低频域表现出的不同特征进行针对性的处理,在低频子带中分别计算行均值线图像和列均值线图像,将列均值线图像沿行均值线图像扩展,构造基于均值的自适应阈值面对低频子带进行滤波,以去除不均匀背景;同时,利用同一分解尺度下各高频子带系数中微弱缺陷信号的方差较大,显著缺陷信号的能量较大,而噪声和背景干扰信号的方差和能量均较小的差异,构造基于Shearlet高频分解系数方差和能量的综合高频缺陷识别算子,滤除高频子带中的噪声和背景干扰。最后,对修正后的分解系数进行逆NSST重构,得到背景均匀,磨削纹理和噪声干扰得到充分抑制的高对比度图像,采用自适应阈值分割方法,提取出缺陷区域。实验结果表明,该方法的假阳性率、假阴性率和检测准确率分别达到8.8%,5.0%和93.1%,算法在MATLAB仿真平台中平均运行时间为0.629 s;相较于现有的磁瓦表面缺陷检测算法,该方法能够有效地去除不均匀背景、磨削纹理和噪声干扰,检测结果更加准确,鲁棒性更强。     

基于小波模极大值的磁瓦裂纹缺陷边缘检测算法

为了准确提取磁瓦表面缺陷的边缘信息,提出一种基于图像加权信息熵和小波模极大值相结合的磁瓦表面裂纹缺陷的边缘检测算法。针对磁瓦表面缺陷对比度低、背景纹理对边缘提取干扰大等特点,设计了一种自适应改变截止频率的BHPF滤波器。利用图像梯度方差加权信息熵对背景纹理的清晰程度和复杂程度进行定量描述,拟合出信息熵同截止频率的非线性函数关系,自适应改变滤波器参数。为避免在多尺度下将缺陷的边缘信息丢失,采用分解尺度判别函数获取小波变换的最优分解尺度。为保证裂纹缺陷边缘连续性和定位准确性,采用双阈值对小波模极大值进行判定求得边界点。实验结果表明,该方法对磁瓦裂纹缺陷边缘的检测优于传统的Canny和Sobel边缘检测算子,可用于磁瓦其他缺陷的提取,为实现缺陷的自动识别奠定了基础。     

复杂纹理瓷砖表面缺陷检测算法研究

针对复杂纹理瓷砖表面缺陷检测困难的问题,提出一种基于人眼视觉注意机制的显著性目标检测方法并用于瓷砖表面缺陷检测。利用单尺度SSR光照校正方法和双边滤波方法对图像进行预处理;根据视觉注意机制中的对比度原理及高频抑制原理,针对复杂背景纹理的“成像性”与“聚集性”特征,建立基于视觉注意机制的检测模型,根据视觉注意机制中的对比性原理和高频抑制原理对瓷砖表面进行特征提取,再依据图像的显著性准则得到图像颜色斑块权重显著图和图像特征融合显著图并将两者融合,进行缺陷的判定和标记,最终得到已标记的瓷砖缺陷。将此缺陷检测算法和另外2种算法应用于随机选取的3类复杂纹理瓷砖并进行对比实验,结果表明,相比较于其他算法,此算法对复杂纹理瓷砖的缺陷检测达到96%以上的综合检测率,可以获得良好的瓷砖缺陷检测效果。     

摩擦片表面缺陷的视觉显著性检测算法

针对摩擦片表面缺陷高精度高效率的检测要求以及摩擦片自身复杂的表面状况,提出基于视觉显著性的检测算法. 利用图像分割,将摩擦片从背景中分离;使用高斯平滑弱化表面纹理,采用多尺度细节增强算法补偿高斯平滑中丢失的缺陷边缘信息,计算图像中目标的显著性进行强弱分化;采用连通域法和OTSU,提取缺陷区域的二值图像. 经由实验验证,该算法针对摩擦片的缺陷检测具有较强的针对性,缺陷识别率超过98%,双面检测100个摩擦片用时27 s. 从客观和主观两个方面对检测结果进行评价验证,结果表明,该算法具有较高的识别率和精确度,满足工业检测的需求.     

基于多支路卷积神经网络的磁瓦表面缺陷检测算法

针对磁瓦表面缺陷检测难度大和精度低的问题,提出了一种新的磁瓦表面缺陷检测算法。首先,设计了一种多支路网络结构,并在各支路中构建了一种能有效提取磁瓦图像特征的卷积神经网络;然后,引入注意力模块突出图像的重要特征;最后,通过判别相关分析使同类特征的相关性和不同类特征的差异性最大化,并通过级联融合得到优化的磁瓦图像融合特征。在磁瓦图像数据集上,对算法检测性能进行了测试,测试精度达到99.90%;在实际检测工作中,本文算法的检测准确率保持在99%以上,检测速度达到129块/min。实验和运行结果表明：本算法检测精度高,性能稳定可靠,能满足磁瓦大批量生产实时在线检测要求。     

BDCN和U-net边缘生成两阶段修复算法

为了对图像中大面积不规则缺失区域进行合理的结构修复和精细的纹理重构,提出了一种基于双向级联边缘检测网络（BDCN）和U-net残缺边缘生成的两阶段网络图像修复算法.第一阶段首先基于BDCN网络提取边缘,然后基于U-net架构的边缘生成网络用下采样对缺失图像边缘提取特征,再结合上采样的输入信息和下采样各层信息还原图像边缘纹理细节;第二阶段使用空洞卷积进行下采样和上采样,经过残差网络重建细节丰富的缺失图像.在公开数据集上将所提算法与现有经典算法进行对比,实验结果表明,所提算法能得到合理的结构和精细的纹理细节,优于对比算法.     

基于Curvelet变换和支持向量机的磁瓦表面缺陷识别方法

针对磁瓦表面缺陷对比度低、自动识别困难的问题,作者提出了一种对磁瓦图像应用快速离散Curvelet变换(FDCT)提取特征,并用支持向量机(SVM)分类器进行分类的磁瓦微小缺陷自动识别方法。该方法首先对磁瓦图像做分块处理,并对各分块图像应用FDCT,计算分解系数的l2范数,获得磁瓦不同方向的纹理频域特征;然后以归一化的分解系数l2范数作为支持向量机分类器的特征向量,对图像做出分类。对不同缺陷占比的图像进行实验测试,结果显示,当缺陷部分占分块图像的比例在1/64以上时正确识别率大于83%。     

基于小波变换的墙地砖缺陷图像分割

目的改进原有的图像分割算法在分割图像时的精度和准确度，进一步准确地研究墙地砖缺陷图像的基本特征，提出一种有效的图像分割方法．方法根据墙地砖表面的纹理特点，采用Daubechies小波对原始图像进行处理．结果仅保留图像的近似信息，从而有效降低了纹理特征对缺陷分割的干扰．同时，图像数据量减少为原始图像的1／4．因此，在有效提取近似信息的基础上提高了系统的实时性，便于图像分割应用．该方法增强了缺陷纹理图像。能抑制背景纹理对缺陷纹理检测的干扰，并通过减运算有效地实现了缺陷纹理和背景纹理的分割．结论基于小波变换的墙地砖缺陷图像分割方法能够对随机纹理图像进行可靠、有效、快速的分割，尤其适用于具有随机纹理的墙地砖缺陷实时检测．     

基于FCN的TFT-LCD表面缺陷快速检测算法

为克服TFT-LCD表面缺陷检测中边缘模糊、对比度低、图像中存在重复纹理背景等噪声的干扰,提出了种基于全卷积神经网络的端到端的快速检测算法.该算法能够通过感受域获取原图信息,并生成低对比度特征图,然后将低对比度特征图映射到高对比度特征图上,最后通过高对比度特征图上的感受域重构出高对比度缺陷图像,并将缺陷筛选出来.     

基于正样本的产品表面缺陷视觉检测方法

表面缺陷视觉检测是产品质检重要环节之一,而实际工业应用中,往往存在表面缺陷样本少、需要大量标注样本等问题。为此,将注意力机制引入Resnet50网络,提出一种基于正样本的产品表面缺陷视觉检测方法。首先,利用预训练网络Resnet50＿CBAM学习到包含来自不同语义层和分辨率信息的嵌入向量,并利用多元高斯参数表示图片正常特征;其次,将缺陷图像输入到预训练网络Resnet50＿CBAM,获得相应的嵌入向量和多元高斯参数;最后,采用马氏距离计算整张缺陷图像所有像素点的缺陷分数图,实现基于像素级的缺陷区域定位。实验数据集验证结果表明,与已有方法相比,所提方法需要的正常样本更少且检测精度更高,从而可以有效解决少样本的产品缺陷视觉检测难题。     

一种基于特征点的管材表面缺陷视觉检测方法

为快速准确检测管材表面缺陷,设计一种基于特征点的管材表面缺陷视觉检测方法。采集典型管材表面缺陷图像,构建图像样本集;指定图像感兴趣区域,减少干扰背景对缺陷检测的影响;采用ORB(orientedFASTandrotatedBRIEF)算法检测图像中的点缺陷,使用FAST算子搜寻缺陷图像的特征点,将检测到的特征点设为圆心...     

非接触式带钢表面缺陷检测纹理方向特征分析

带钢表面缺陷图像纹理方向特征分析是否合理,关乎缺陷图像识别的正确率。针对带钢表面缺陷, 提炼描述缺陷图像的纹理特征量,给出检测距离和检测方向角的关系以及缺陷图像纹理特征提取的基本方法。通过带钢表面无噪声和有噪声的裂纹缺陷图像实例分析,提出纹理方向的特征量取最小值,与纹理方向垂直的特征量取最大值;检测距离根据具体情况选取,不易过大或过小;夹杂噪声的缺陷图像分析时阈值取较小值。     

基于特征与形貌重构的轴件表面缺陷检测方法

针对轴件表面缺陷机器视觉检测方法中的水渍残留误检率高和人工复检效率低问题,提出一种基于特征与形貌重构的轴件表面缺陷检测方法. 对轴件工业高速线扫描图像进行预处理,基于改进的阀值迭代算法完成图像分割,通过去除背景、噪点和干扰提取缺陷图像. 建立基于曲线簇包络轮廓的轴件表面缺陷特征模型,结合分割图像各连通域的面积、面积占比、粗短度训练逻辑回归分类器,对凹坑、裂纹和麻点等轴件表面典型缺陷进行识别,并结合图像深度信息进行缺陷形貌重构,消除水渍等伪缺陷,提高轴件表面缺陷检测鲁棒性. 实验结果表明,所提出的轴件表面缺陷检测方法有效,具有较高的缺陷识别率和鲁棒性能,平均识别时间为3.69 s,缺陷轴加权识别率为98.86%,可以对3类典型缺陷和水渍进行准确识别.     

算法可重构的工业视觉饮料瓶盖缺陷检测

该文针对工业机器视觉系统软件对图像处理算法可重构的需求,以工业机器视觉饮料瓶盖缺陷检测为应用背景,给出了一种算法可重构的工业机器视觉饮料瓶盖缺陷检测系统软件的设计方案。该方案设计并实现了3种提取饮料瓶盖感兴趣区域的方法。同时结合饮料瓶盖缺陷检测的流程,详细阐述了系统软件对检测算法进行重构的原理及过程。最后,利用软件重构的检测算法序列对感兴趣区域图像进行缺陷检测,对测试结果进行了分析比较。测试结果表明该文的检测软件具有良好的实用性和检测性能。     

非均匀纹理复杂表面缺陷多光谱图像显著性融合

为了抑制多晶硅太阳能电池片复杂的背景对表面缺陷可靠提取的影响,并凸显缺陷特征,提出了一种基于经验小波的多光谱显著性融合算法。该算法利用结构纹理分解方法抑制了复杂的背景,通过具有经验信息的二维张量经验小波进行多尺度分解,得到包含缺陷信息的细节层,并对其进行显著性分析,增强权重较大部分图像的对比度,最终得到强缺陷特征图像。对比了平均梯度、边缘强度、清晰度及标准差4个质量评价指标,实验结果表明,所提算法的这些指标比经典融合算法依次提升了0. 01、11. 11、0. 48、2. 33以上,呈现出较好的性能。     

冷轧带钢缺陷表面形状恢复新算法

为改善冷轧带钢表面缺陷分类识别性能,提出基于从阴影恢复形状原理的表面缺陷三维重构算法． 针对表面缺陷检测系统的光路设计,提出一种改进的Oren-Nayar漫反射模型,结合透视投影模型推导出相应 的反射图方程,利用基于高阶Lax-Friedrichs汉密尔顿函数和牛顿迭代相结合的快速扫描算法完成了该方程 的求解,实现表面缺陷三维信息的提取．利用合成图像和表面缺陷图像进行三维重构实验,结果表明该算法 重构精度高,验证了改进光照模型的正确性．该三维重构算法能够有效地提取冷轧带钢表面缺陷三维信息, 有助于提高表面缺陷分类识别性能     

基于图像分块目标区域的检索技术研究

为了解决图像检索中视觉感知缺失所造成的检索率偏低问题,提出了一种基于目标区域检索算法.借鉴方块编码的方法将图像进行二值化处理,从而转化为位平面图,在此基础上,提取图像的背景区域和目标区域,为提取图像的空间分布信息,采用环形分割的方法提取图像的环形分布直方图作为内容特征用于检索.该算法既利用了图像的灰度信息和人眼对纹理的视觉敏感特性,又充分考虑了图像的空间分布对检索效率的影响,试验表明该算法和以往算法相比具有较高的检索效率.     

纹理萃取耦合U型更新的图像修复算法

针对传统图像修复算法在对破损区域优先权计算时,没有对破损图像纹理进行合理的预先处理,致使修复后的图片出现错误的匹配和纹理延伸等诸多问题,提出一种纹理萃取耦合U型更新的图像修复算法。首先,利用小波变换的方法去噪再结合角点检测分析,萃取出破损区域的纹理指标,对破损区域进行纹理萃取处理,以有效反应破损区域图像与匹配图像中纹理的相似度,在优先权计算时,利用萃取的纹理指标,以增加对匹配块优先选取的可靠性。其次,为解决Criminisi算法中置信度值快速趋0,从而导致修复图像连贯性差的问题,利用U型计算方式对修复块的置信度进行强化从而抑制置信度的快速衰减,解决修复图像连贯性差的问题,优化图像修复的视觉效果。通过与不同的图像修复算法进行对比实验,验证了文中所提修复方法具有更加稳定修复效果,更加符合肉眼在对图像观察时的视觉要求。     

基于双谱分析的磁瓦内部缺陷音频检测方法

内部缺陷检测是保证磁瓦产品质量的关键环节之一。针对目前磁瓦内部缺陷采用人工音频识别存在的问题,使用双谱分析已知内部缺陷情况的磁瓦在跌落撞击试验中产生的音频信号,其结果表明内部缺陷会影响双谱的峰值分布。根据这个规律,提出了一种归一化双谱三切片分析方法用于磁瓦内部缺陷的检测。该方法首先提取归一化双谱上三个特定方向的切片;其次按照峰值分布与内部缺陷的映射关系,将每个切片划分成若干频率区域,并对各区域进行分类;然后通过对不同种类的区域最大峰值比较与计算,建立识别内部缺陷的阈值。最后,验证试验对方法的有效性进行了评估,取得了97%以上的识别正确率。试验结果表明双谱分析在磁瓦内部缺陷音频检测中具有较好的实用性。     

钢轨表面缺陷图像自适应分割算法

针对钢轨表面缺陷提取时的灰度分布不均与杂散光干扰问题,在背景差分法的基础上提出了一种钢轨表面缺陷图像自适应分割算法.首先,通过统计钢轨图像中各行像素灰度特征,结合其均值与标准差分布曲线快速提取钢轨表面区域;然后,进行区域与边缘特征的均值窗口自适应选取;最后,根据均值模糊原理建立背景图像模型并进行图像差分,实现了钢轨表面缺陷分割.实验结果表明:提出的轨面提取算法快速、有效;钢轨表面缺陷自适应分割算法在凸显图像中缺陷部分的同时,有效减少了光照变化和反射不均的影响.该方法对测试图像的召回率和准确率分别达到了95.4%和81.3%.