在利用渦流紅外熱成像技術檢測金屬材料損傷缺陷時,因熱波屬于衰減波,且熱波三維熱擴散等問題,導致采集的紅外圖像中缺陷部位模糊。針對該問題,提出一種基于單尺度Retinex與改進的K-均值聚類的缺陷檢測方法,用于處理紅外圖像特征增強、圖像分割和邊緣特征提取等問題。該方法首先利用單尺度Retinex（single-scale Retinex, SSR）對紅外熱圖像進行圖像增強,強化缺陷特征,然后利用改進的K-均值聚類算法對圖像進行分割,最后采用數(shù)學形態(tài)學算法處理圖像,去除缺陷圖像中無用信息,并利用Canny算子檢測出缺陷邊緣。實驗結果證明,該方法有效地檢測出金屬材料試件缺陷,并提取出完整清晰的缺陷邊緣。 

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引言
1 渦流熱成像缺陷檢測
    1.1 渦流熱成像圖像增強
        1.1.1 Retinex理論
        1.1.2 SSR算法紅外熱圖像增強
    1.2 基于改進的K-均值聚類的圖像分割
    1.3 缺陷邊緣檢測
2 實驗結果與分析
3 結論


【參考文獻】：
期刊論文
[1]基于混合映射的高動態(tài)范圍場景再現(xiàn)[J]. 李衛(wèi)中,彭祺.  光學精密工程. 2018(12)
[2]一種鋼軌裂紋紅外圖像處理算法研究[J]. 顧桂梅,劉麗,賈文晶.  鐵道學報. 2018(11)
[3]基于OTSU和區(qū)域生長的電氣設備多點故障分割[J]. 余成波,曾亮,張林.  紅外技術. 2018(10)
[4]基于形態(tài)學開運算的面向對象滑坡提取方法研究[J]. 王寧,陳方,于博.  遙感技術與應用. 2018(03)
[5]基于K均值聚類和開閉交替濾波的黃瓜葉片水滴熒光圖像分割[J]. 楊信廷,孫文娟,李明,陳梅香,明楠,韓佳偉,李文勇,陳明.  農(nóng)業(yè)工程學報. 2016(17)
[6]融合邊緣信息的單尺度Retinex海霧去除算法[J]. 馬忠麗,文杰.  計算機輔助設計與圖形學學報. 2015(02)



本文編號：3668635