本文關(guān)鍵詞：基于改進(jìn)Otsu法和顯著性分析的表面缺陷高效視覺檢測方法研究

  更多相關(guān)文章： 表面缺陷檢測 機(jī)器視覺 Otsu分割 顯著圖

【摘要】：產(chǎn)品表面缺陷的在線檢測對(duì)于很多生產(chǎn)過程都是產(chǎn)品質(zhì)量控制的重要環(huán)節(jié),采用機(jī)器視覺代替人眼進(jìn)行表面缺陷檢測將成為發(fā)展趨勢。隨著現(xiàn)代制造對(duì)生產(chǎn)效率和產(chǎn)品品質(zhì)要求的不斷提高,對(duì)表面缺陷在線檢測系統(tǒng)的技術(shù)性能要求日益提高,因此需要研究相關(guān)的理論問題為應(yīng)用奠定基礎(chǔ)。視覺方法是表面缺陷在線視覺檢測系統(tǒng)的核心技術(shù),國內(nèi)外已經(jīng)開展了大量的研究工作并取得了一些成果,但視覺方法研究仍需要在以下幾個(gè)方面進(jìn)一步提高:增強(qiáng)算法對(duì)不同應(yīng)用的適應(yīng)性和魯棒性;在研究中面向和采用在線采集的圖像;解決算法計(jì)算效率與檢測準(zhǔn)確性之間的矛盾。表面缺陷檢測所涉及的被檢對(duì)象表面分為均質(zhì)表面和紋理表面。對(duì)于均質(zhì)表面缺陷檢測,理想情況下表面缺陷易分割,因此基于圖像分割的表面缺陷檢測方法是常用有效方法;但實(shí)際應(yīng)用中的復(fù)雜情況可能影響圖像分割和檢測的效果,因而現(xiàn)實(shí)條件下的圖像分割等算法是對(duì)這類應(yīng)用需要深入研究的關(guān)鍵視覺算法。對(duì)于紋理表面缺陷檢測,缺陷特征與背景特征的差異難以被簡單描述,背景圖像特征較復(fù)雜,對(duì)不同對(duì)象的紋理表面圖像能快速、準(zhǔn)確地檢測出缺陷目標(biāo)的算法是需要研究的關(guān)鍵視覺算法。為了在圖像采集受光照不均或噪聲影響的條件下高效檢測均質(zhì)表面缺陷,本文中首先對(duì)表面缺陷分割中常用的Otsu法進(jìn)行了改進(jìn)。傳統(tǒng)一維Otsu法在確定閾值時(shí)需要窮舉計(jì)算圖像中每個(gè)灰度值為閾值時(shí)的類間方差,本文利用一維Otsu閾值的性質(zhì),提出了一個(gè)新的快速計(jì)算一維Otsu閾值的算法,該算法搜尋出與兩類類內(nèi)均值的平均值的整數(shù)部分相等的閾值,從中確定一個(gè)符合Otsu準(zhǔn)則的閾值。本文分析了用于抗噪的二維Otsu法的類間離散度測度,發(fā)現(xiàn)按該算法對(duì)被噪聲污染圖像的二維直方圖進(jìn)行劃分時(shí),所得兩類的類內(nèi)均值點(diǎn)容易遠(yuǎn)離主對(duì)角線,因而在抵抗噪聲方面存在不足。本文提出了一種新算法,利用圖像的二維信息直接建立直線截距直方圖,在該一維直方圖上應(yīng)用Otsu準(zhǔn)則求解最佳截距閾值,并應(yīng)用該閾值和二維信息完成圖像分割;與二維Otsu法相比,新算法抗噪穩(wěn)健,計(jì)算復(fù)雜度低于后者的快速算法,占用內(nèi)存少。在均質(zhì)表面缺陷檢測中,可以基于本文的改進(jìn)Otsu法分割表面圖像,然后通過簡單計(jì)算提取表面圖像的目標(biāo)與背景間的對(duì)比度特征,進(jìn)而對(duì)該特征實(shí)施閾值判定,整個(gè)檢測過程高效。本文對(duì)紋理表面缺陷檢測提出了一種基于視覺顯著性分析和快速Otsu分割的方法。新方法先計(jì)算表面圖像的視覺顯著圖,再依據(jù)顯著圖判定圖像中是否存在表面缺陷,避免了陷入到對(duì)表面缺陷特征的直接具體分析中,同時(shí)由于不同應(yīng)用中的表面缺陷一般都具有視覺顯著性,故算法具有適應(yīng)性。文中提出了一種視覺顯著圖計(jì)算模型,該模型比Itti、GBVS、DVA、AIM等其他模型計(jì)算效率更高、準(zhǔn)確性更好。進(jìn)一步地,文中還提出了一種基于視覺顯著圖和快速Otsu分割的表面缺陷判定方法,該方法先采用本文提出的一維Otsu快速算法對(duì)顯著圖進(jìn)行快速分割,然后再計(jì)算分割后的背景均值,以該值為特征并通過閾值判定表面圖像中是否存在缺陷,整個(gè)過程計(jì)算高效,可以滿足在線檢測的需要。Otsu分割和顯著性分析在用于有微小缺陷的表面圖像時(shí)準(zhǔn)確性會(huì)下降,因而有必要進(jìn)一步研究微小表面缺陷檢測方法。本文分析了Otsu法用于分割表面圖像中微小目標(biāo)時(shí)性能不佳的原因。提出了一種能快速檢測微小表面缺陷的方法,該方法利用圖像的方差分布搜尋表面缺陷區(qū)域,并對(duì)存在表面缺陷的局部區(qū)域進(jìn)行快速Otsu分割,該方法可以從背景平滑的表面圖像中快速自動(dòng)檢測和分割出微小表面缺陷。對(duì)本文提出的各種算法,除了與其它相關(guān)算法進(jìn)行比較時(shí)采用的圖像數(shù)據(jù)外,文中還在線采集了手機(jī)玻璃屏、手機(jī)觸摸屏、化纖布等表面圖像數(shù)據(jù)用于表面缺陷檢測實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果均驗(yàn)證了本文算法的有效性。
【學(xué)位授予單位】：蘇州大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 吳貴芳;徐科;徐金梧;;基于LVQ神經(jīng)網(wǎng)絡(luò)的冷軋帶鋼表面缺陷分類方法[J];北京科技大學(xué)學(xué)報(bào);2005年06期

2 景曉軍,李劍峰,劉郁林;一種基于三維最大類間方差的圖像分割算法[J];電子學(xué)報(bào);2003年09期

3 范九倫;趙鳳;;灰度圖像的二維Otsu曲線閾值分割法[J];電子學(xué)報(bào);2007年04期

4 許向陽;宋恩民;金良海;;Otsu準(zhǔn)則的閾值性質(zhì)分析[J];電子學(xué)報(bào);2009年12期

5 申鉉京;龍建武;陳海鵬;魏巍;;三維直方圖重建和降維的Otsu閾值分割算法[J];電子學(xué)報(bào);2011年05期

6 張新明;孫印杰;鄭延斌;;二維直方圖準(zhǔn)分的Otsu圖像分割及其快速實(shí)現(xiàn)[J];電子學(xué)報(bào);2011年08期

7 沈會(huì)良;張宏剛;李志能;;基于圖像配準(zhǔn)的STN-LCD外觀缺陷檢測[J];光電工程;2008年09期

8 姚峰林;高世橋;;基于高速攝影動(dòng)態(tài)測試微陀螺振動(dòng)[J];光學(xué)精密工程;2012年01期

9 張善卿;張坤龍;;基于結(jié)構(gòu)張量特征值的紋理圖像分割模型[J];電子學(xué)報(bào);2013年07期

10 劉健莊;栗文青;;灰度圖象的二維Otsu自動(dòng)閾值分割法[J];自動(dòng)化學(xué)報(bào);1993年01期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 彭向前;產(chǎn)品表面缺陷在線檢測方法研究及系統(tǒng)實(shí)現(xiàn)[D];華中科技大學(xué);2008年

2 劉建立;基于小波紋理分析和魯棒貝葉斯神經(jīng)網(wǎng)絡(luò)的非織造材料外觀質(zhì)量識(shí)別[D];蘇州大學(xué);2010年

3 孫慧賢;基于紋理分析的視覺檢測方法與應(yīng)用研究[D];國防科學(xué)技術(shù)大學(xué);2010年

，

本文編號(hào)：1181487