基于顯著性特征的鋼坯表面缺陷檢測(cè)技術(shù).pdf

1、由于計(jì)算機(jī)視覺技術(shù)的迅速發(fā)展,面向工業(yè)的視覺缺陷檢測(cè)技術(shù)則受到了廣泛的關(guān)注。但是隨著生產(chǎn)技術(shù)的不斷提升,很多傳統(tǒng)的視覺缺陷檢測(cè)技術(shù)已無法滿足工業(yè)生產(chǎn)要求。若缺陷檢測(cè)技術(shù)能與視覺系統(tǒng)的工作原理相結(jié)合,優(yōu)先定位疑似缺陷區(qū)域然后再對(duì)該區(qū)域進(jìn)行集中處理,就能避免計(jì)算資源浪費(fèi)并提高綜合性能。因此,設(shè)計(jì)符合視覺注意的顯著性檢測(cè)方法并將其引入視覺缺陷檢測(cè)的過程具有重要實(shí)用價(jià)值。
　　本文首先對(duì)人類視覺系統(tǒng)的構(gòu)成、注意力機(jī)制以及形成過程進(jìn)行了詳細(xì)

2、闡述。然后對(duì)目前經(jīng)典的顯著性算法模型進(jìn)行了詳細(xì)介紹,包括基于生物視覺的Itti模型,基于快速頻域處理的H o u模型,基于上下文內(nèi)容的G oferm an模型,以及基于圖像分割區(qū)域?qū)Ρ榷鹊腃heng模型。但其模型也都存在局限性:算法效率低、特征信息單一、復(fù)雜背景魯棒性差等。
　　綜合視覺缺陷檢測(cè)要求,本文提出融合全局色差和局部紋理特征的顯著性算法。本文模擬視覺系統(tǒng)原理,首先在全局空間內(nèi)對(duì)于自然場(chǎng)景圖的色度顯著性進(jìn)行計(jì)算,再結(jié)合直方

3、圖量化和顯著性平滑得到全局顯著特征圖;然后再提取自然場(chǎng)景圖的三種紋理特征,再對(duì)多尺度的不同特征分別融合,通過線性加權(quán)得到局部紋理顯著特征圖;最后將全局特征和局部特征進(jìn)行融合,并將融合結(jié)果作用于全局特征,利用抑制策略有效地抑制陰影或紋理等環(huán)境干擾,并得到最終的顯著性圖像。該算法可以較為快速準(zhǔn)確尋找顯著性目標(biāo),而且可以有效地抑制復(fù)雜背景的影響,比較符合視覺缺陷檢測(cè)的實(shí)際應(yīng)用環(huán)境。本文算法在Achanta的公開測(cè)試數(shù)據(jù)集進(jìn)行測(cè)試,并與經(jīng)典顯著

4、性算法進(jìn)行對(duì)比,在計(jì)算速度、視覺效果、ROC曲線及線下面積、精度-召回率-F測(cè)量值等性能方面都處于較高水平,基本滿足視覺缺陷檢測(cè)技術(shù)高精度、高速率等要求。
　　最后將顯著性特征應(yīng)用于鋼坯表面檢測(cè),設(shè)計(jì)了基于顯著性特征的鋼坯表面缺陷檢測(cè)方法,通過提取鋼坯表面的全局和局部顯著性特征,并與G abor邊緣特征相結(jié)合,獲得高可信度缺陷區(qū)域,有利于縮減檢測(cè)定位時(shí)間。通過實(shí)驗(yàn)結(jié)果表明,基于顯著性特征的鋼鐵鑄坯表面缺陷檢測(cè)方法速率快,性能提升明