閾值分割算法的研究及其在拉鏈缺陷檢測中的應用.pdf

1、在人類接收的信息中，有80％的信息是屬于圖像信息。隨著計算機數(shù)字圖像處理技術的發(fā)展，人們越來越多的利用計算機幫助人類獲取與處理視覺信息。在現(xiàn)代自動化生產(chǎn)過程中，機器視覺系統(tǒng)被廣泛用于工況監(jiān)視、成品檢驗和質量控制等領域，尤其是一些不適于人工作業(yè)的危險工作環(huán)境或人工視覺難以滿足要求的場合，提高了生產(chǎn)的效率和自動化程度。數(shù)字圖像的分割是對圖像分析和識別的基本前提，是目前機器視覺領域最熱門的研究課題之一。本文在對數(shù)字圖像的分割研究現(xiàn)狀深入探討的

2、基礎上，研究適合拉鏈圖像的閾值分割算法，并將其應用到拉鏈缺陷檢測中。全文主要內容如下:
　　 1.本文在分析和總結國內外研究成果的基礎上，選取基于閩值的圖像分割技術作為研究的重點，分析并比較了常見的幾種基于閾值的圖像分割技術的特點。
　　 2.針對傳統(tǒng)的一維最大熵算法的不足，本文將加權調和平均算子引入到閾值判別函數(shù)中。加權值直接影響到閡值的選取，為了確定最佳的加權值，先采用粒子群優(yōu)化算法快速搜索到局部極小值附近，在此基礎

3、上，再用混沌搜索算法進行二次搜索得到最優(yōu)解。結合圖像質量評價指標，評價混度粒子群的目標適應度。實驗結果表明，與其他閾值判別函數(shù)相比，通過加權調和算子優(yōu)化的閾值判別函數(shù)得到的分割閾值，具有較好的分割效果，能夠更好的保留目標物的輪廓。
　　 3.構建拉鏈缺陷檢測實驗平臺。在論文的第四章，介紹了基本的硬件模塊以及基礎軟件模塊的設計思路和移植步驟。
　　 4.根據(jù)拉鏈的鏈頭和限位碼的特點，提出并實現(xiàn)了檢測拉鏈的鏈頭與限位碼是否存

4、在的檢測算法。主要內容包括:基于混沌粒子群改進的最大熵圖像分割算法，建立基于Hu矩的輪廓匹配判別模型，依據(jù)該模型判別拉鏈是否合格，在文中第五章對這些內容進行了詳細描述并給出了實驗結果。
　　 5.最后，把基于輪廓匹配的判別模型與Surf算法的檢測結果對比分析。實驗表明，在拉鏈的缺陷檢測中，基于輪廓的匹配檢測算法的檢測效果要優(yōu)于Surf目標匹配檢測算法，尤其是當待檢測目標細節(jié)較少、特征點很少的情況下，Surf算法不能很好的對目標進