基于小波变换的红外热成像图像处理的无损检测技术

为提高红外热图像技术在无损检测领域的精度,提出运用电磁激励加热待检测物体,研究对亚表层缺陷的检测。首先采集数字图像信号,利用傅里叶变换去除图像中的噪声,并用图像增强算法增加背景与特征间的对比度,再利用基于小波变换的边缘算法提取特征边缘做定量分析,最后通过5组不同的缺陷层样本作实验对比,结果表明基于小波变换边缘提取算子能显著提高亚表面缺陷层的检测精度。     

钢板表面低对比度微小缺陷图像增强和分割

目的 环境干扰及光学元件不稳定等因素往往会造成钢板表面图像照度不均,钢板表面的微小缺陷具有图像灰度不均、对比度低、形态微小等特点,给后续图像分析和缺陷识别带来因难。为此,提出一种钢板表面低对比度微小缺陷图像增强和分割算法,以消除照度不均并突出缺陷信息,从而有效分割缺陷目标。方法 采用小波-同态滤波算法进行图像增强处理,即先利用小波变换对图像进行分解,再基于同态滤波对小波低频系数进行图像灰度修正,同时对高频系数进行高通滤波,然后将处理后的小波低频系数和高频系数进行重构得到增强的图像,从而达到消除照度不均、增强缺陷细节信息的目的。最后利用最大类间方差法（Otsu法）确定自适应阈值提供给Canny算子进行边缘检测。结果 采用本文算法对钢板表面多类型低对比度表面微小缺陷进行研究,有效消除了光照不均;单一的Otsu阈值分割和Canny算子难以有效检测这些缺陷,而本文Otsu-Canny算法的正确检测率达96%。结论 采用小波-同态滤波进行图像增强处理后,再利用Otsu-Canny算法对钢板表面多类型、低对比度的微小缺陷进行边缘检测取得了良好效果。     

透明液体中低对比度杂质检测方法的研究

针对人工检测效率和准确率低的不足,分别在图像预处理和检测算法上进行了研究分析,提出了基于加窗的小波变换的杂质检测方法。获取的图像采用高斯同态滤波来提高图像的对比度,然后利用基于加窗的小波变换来提取图像中杂质的边缘特征点,最后采用迭代阈值分割方法来分割目标和背景并通过显示结果中有无亮色区域来判断透明液体中是否含有杂质,若显示有亮色区域,则判此亮色区域为杂质。实验结果表明,此方法比现有的其他检测算法较好的判断出了细小而低对比度的杂质,也较好的去除了外界干扰,避免了漏检微弱边缘的问题,提高了检测效率和准确率。     

基于多尺度形态小波变换的红图增强算法

针对红外图像对比度差、信噪比低的特点,本文将小波分析与数学形态学相结合,提出了一种基于多尺度形态小波变换的红外图像边缘增强算法.该算法首先利用多尺度形态小波变换对图像进行分解,提取图像的多尺度边缘特征,然后通过非线性增强算子来改变边缘特征的强度,最后利用多尺度形态小波反变换重构图像,以实现图像边缘的对比度增强和背景抑制.实验结果表明,该算法有效地保持和增强了边缘信息,得到较好的增强效果.     

基于小波尺度积的图像边缘检测算法

图像边缘检测技术是图像处理中最重要的内容之一,针对噪声大、灰度对比度低的图像,利用小波尺度乘积模极大值对其进行边缘检测.在进行二进小波变换后,先把相邻尺度的小波系数直接相乘,抑制噪声和增强图像边缘信息,再运用模极大值检测图像边缘,利用隶属函数确定阈值.该算法可以免除传统小波模极大值边缘检测后繁杂的边缘链接,简单易实现,实验证明其对抑制噪声和增强弱边缘有良好的效果.     

参数化形态学梯度修正的水平集肝肿瘤分割

针对单一水平集算法处理低对比度或边缘模糊肝脏CT图像时,在梯度局部极小值区域或虚假边缘处常常会出现曲线停止演化现象的问题,提出了一种参数化形态学梯度修正的水平集图像分割方法进行研究.首先对图像进行形态学梯度变换,增强图像的对比度;然后以此为基础,在特定邻域内建立结构元素半径与梯度级的函数关系对图像进行梯度修正,增强目标边缘聚合度并去除图像噪声及非规则细节引起的局部极小值,同时减小目标轮廓位置的偏移;最后根据图像梯度信息运用水平集方法实现图像中单个或多个目标分割.实验结果表明,该算法有效地解决了标准水平集分割方法中存在的伪分割问题,能够对肝脏肿瘤进行较准确分割.     

基于图像配准的食品包装印刷缺陷检测与实现

传统食品包装印刷缺陷检测系统采集的实时图像和标准图像在空间上存在着较大的差异,在缺陷检测前首先要将实时图像与标准图像配准,再进行图像缺陷检测与识别。针对传统检测方法检测时间长、分拣效率低、漏检率高和对人视觉要求高等缺点,在图像增强处理的基础上,提出了一种适用于食品包装印刷缺陷检测的图像配准算法。该算法利用小波变换改进算法对图像边缘进行检测,有效地解决了噪声所产生的误检问题。实验仿真结果表明,该算法具有较高的稳定性和可靠性,能够精确检测出小于0.1 mm的刀丝和拉条等细微缺陷,实现了食品包装印刷品的无损检测。     

基于模糊增强算法的不规则缺陷边缘提取研究

在工业焊缝不规则气孔缺陷的无损检测过程中,由于利用×射线拍摄的数字图像对比度低、噪声大、图像灰度变化复杂,缺陷边缘信息难以提取.针对上述问题,本文首先利用自适应中值滤波消除利用×射线拍摄的数字图像无缺陷的焊缝区域和背景区域,然后利用优化的模糊增强算法对图像边缘进行增强处理,最后分离提取出缺陷区域.通过实验对比,本文采用的方法检测精度高,处理速度快,具有较好的工程应用价值.     

基于ButterWorth滤波的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,基于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,提出了一种基于ButterWorth滤波的钢管焊缝缺陷检测方法。首先利用傅里叶变换将图像的时域信息变换到频域,之后对图像的频域信息进行高通滤波,提取出图像中的高频缺陷信息,再对其进行傅里叶反变换,从而将缺陷信息凸出,最后利用阈值分割成功提取出缺陷,并对提取出的缺陷结果进行处理,有效地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。     

小波变换在X射线图像边缘检测中的应用

分析了X射线探伤图像的特点,将小波变换技术应用到X射线图像的边缘检测中,提出了基于小波变换的模极大值边缘检测算法,利用二次B样条小波,采用Mallat快速算法进行小波分解,采用分块阈值选取方法确定模极大值点,给出缺陷边缘。实验结果表明,该方法去噪效果好,检测出的缺陷边缘具有较强的连续性。     

基于小波多尺度变换和模糊聚类的图像边缘检测研究

在分析了小波理论和模糊聚类基础上，本文提出了一种基于小波多尺度变换和模糊聚类的图像边缘检测算法。通过这个算法，不仅可以对整个原始图像进行边缘检测，还能对原始图中满足某种特征的不规则的子图进行边缘检测。最后，把这种算法与一些经典的图像边缘检测做了对比分析，实验结果表明该算法具有较好的图像边缘检测性能。     

基于小波变换的X射线焊缝图像缺陷识别方法研究

经过长时间的研究发现,在焊缝图像缺陷识别中,传统的方法具有正确识别率低的问题,为此提出了基于小波变换的图像缺陷识别方法。输入获取的X射线焊缝初始图像信息,从帧数叠加、数字形态学变换和图像增强三个方面对初始图像进行预处理,约束小波变换阈值降低图像噪声,最后通过边缘检测,提取焊缝图像当中的缺陷特征。在对比实验当中,设立两种传统识别方法作为实验的对照组,提出的X射线焊缝图像缺陷识别方法为实验组,同时对统一型号的焊接工件进行缺陷识别,实验发现提出的识别方法的正确识别率高达91.8%。     

基于显著性判别的缺陷检测方法

X射线成像存在噪声大、半影现象及散射等问题,使所得缺陷图像边缘模糊,背景灰度变化不均匀,严重影响了缺陷的识别准确率。提出了一种由LoG边缘检测和局部对比度筛选进行显著性判别的缺陷检测方法,在基于LoG边缘检测的双阈值进行显著性边缘检测的基础上,通过各向同性扩散方法求取待定缺陷的局部背景,利用待定缺陷和局部背景之间对比度的显著性设置第三个阈值进行进一步判断,从而去除假缺陷,使缺陷能够被准确地提取出来,并可以同时确定缺陷的轮廓和面积。实验结果表明,该方法对缺陷识别的准确度较高,并可以用于在线的实时检测系统中。     

基于Contourlet变换的多方向织物疵点边缘检测

基于小波的多尺度织物疵点边缘检测算法只能在水平、垂直和对角方向获取边缘信息,容易造成方向性边缘的丢失。提出一种基于Contourlet变换的多方向织物疵点边缘提取算法,对织物疵点图像Contourlet分解后多个方向上的高频子带系数进行自适应阈值去噪,求取各方向子带系数的模极大值,将高频模极大值系数与低频系数进行反变换,通过直方图统计及去除孤立点的细化方法得到织物疵点边缘。仿真结果表明,该方法得到的疵点边缘信息更加丰富,尤其对棉结等区域类疵点能得到更加逼近疵点真实边缘的检测结果。     

一种脆弱线路缺陷的图像智能检测算法设计

配电线路稳定运行可以有效提升电力系统有序性,脆弱线路缺陷是引起配电网连锁故障停电的主要原因。以人工为主的识别方法存在明显缺陷,在无人机的辅助下,设计了一种脆弱线路缺陷图像自动检测方法。通过构建脆弱线路数据集,以输电线路的脆弱性综合指标为依据,辨识配电网脆弱线路。建立配电网脆弱线路缺陷特征分类标准,利用图像增强技术提升脆弱线路缺陷图像成像效果。采用对比度受限自适应直方图均衡方法均衡脆弱线路缺陷图像的色彩和反差,结合小波变换对均衡后的脆弱线路缺陷图像进行降噪处理。运用卷积神经网络将降噪后的脆弱线路缺陷图像输入至卷积层完成脆弱线路缺陷自动检测。通过实验测试发现：提出方法的召回率最高为89.32%,精确率最高为98.20%,错检率最低为0.98%,能够最小范围识别脆弱线路缺陷,充分证实了提出算法检测效率较高。     

一种基于静态小波变换的图像融合算法

给出了一种基于静态小波多尺度边缘检测的图像融合算法,是一种适用于微光和红外图像融合的多分辨率方法。该方法选择á trous多孔算法为基础,并选取不同尺度参数的LOG算子作边缘检测,利用了图像的多尺度边缘信息确定图像的边缘位置进行融合。在小波域中,对高频信息依据边缘检测的边缘点进行融合,对低频信息利用取加权法进行融合,再进行小波逆变换重构融合图像。通过红外和微光图像的融合实验结果表明,该方法能有效地突出边缘细节,提高图像分辨效果和人眼对场景目标的发现和识别概率。     

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。     

Automatic defect detection of texture surface with an efficient texture removal network

Automated defect inspection of texture surface is still a challenging task in the industrial automation field due to the tremendous changes in the appearance of various surface textures. We present a simple but powerful image transformation network to remove textures and highlight defects at full resolution. The simple full convolution network consists only of 3 × 3 regular convolution and several dilated convolution blocks, which makes it compact and able to capture multi-scale features effectively. To further improve the ability of the network to suppress texture and highlight defects, a polynomial loss function combining perceptual loss, structural similarity loss and image gradient loss is proposed. In addition, a semi-automatic annotation method mainly composed of wavelet transform and relative total variation is designed to generate a data set of image pairs containing the original texture image and the desired texture removal image. We conducted experiments on a milled metal surface defect dataset and an open data set containing various textured backgrounds to evaluate the performance of our method. Compared with other convolutional neural network approaches, the results demonstrate the superiority of the proposed method. The method has been applied to the surface defect online detection system of an aluminum ingot milling production line, which effectively improves the surface inspection efficiency and product quality.