帶鋼表面缺陷圖像檢測理論及識別算法研究.pdf

1、軋制鋼板是工業(yè)生產(chǎn)中的重要材料,鋼板的質(zhì)量直接影響到終端產(chǎn)品的質(zhì)量。鋼板的表面缺陷是影響鋼板質(zhì)量的重要因素,除了通過改進(jìn)軋制工藝,以減少缺陷發(fā)生外,及時(shí)檢測出鋼板的表面缺陷也非常重要。本文深入研究了軋制鋼板表面缺陷圖像檢測理論和識別算法,主要包括如下幾方面內(nèi)容:
　　基于缺陷檢測和分類識別分步進(jìn)行的思想,提出采用圖像復(fù)雜度快速檢測鋼板表面缺陷的方法,從提高檢測可靠性和節(jié)約檢測時(shí)間出發(fā),對四種圖像復(fù)雜度描述參數(shù)的缺陷圖像檢測結(jié)果進(jìn)行

2、對比,根據(jù)檢測結(jié)果,以圖像的像素變化率作為圖像復(fù)雜度描述參數(shù)進(jìn)行缺陷圖像檢測,通過現(xiàn)場圖像仿真,該方法能夠正確檢測出圖像中的缺陷并且耗時(shí)較少,可以滿足在線檢測要求。
　　針對帶鋼表面背景區(qū)域紋理對分割產(chǎn)生的影響,提出采用圖像局部復(fù)雜度和局部方差相結(jié)合的方法對背景紋理進(jìn)行弱化,并采用基于Gaussian高頻濾波方法對缺陷圖像進(jìn)行同態(tài)濾波,以去除圖像亮斑、增強(qiáng)對比度,選用PSNR、MSE和Q值三個(gè)參數(shù)對濾波后圖像進(jìn)行評價(jià),通過與常用的

3、直方圖均衡增強(qiáng)方法進(jìn)行對比發(fā)現(xiàn),其視覺和參數(shù)表現(xiàn)均更好。
　　基于視覺注意機(jī)制的缺陷圖像分割,提出早期視覺特征選擇方法,通過對缺陷圖像的分析,選取灰度圖像的亮度特征、稀少性特征、局部復(fù)雜度特征作為生成特征顯著度圖的早期特征,并給出計(jì)算表達(dá)式,以此為基礎(chǔ)生成各特征顯著度圖,并采用Gaussian濾波獲取全局特征顯著度圖。
　　提出改進(jìn)的視覺特征顯著度圖融合方法,采用歸一化特征顯著度圖的復(fù)雜度和熵值作為參數(shù)進(jìn)行融合以得到綜合顯著

4、度圖,能夠體現(xiàn)不同特征顯著度圖對綜合顯著度圖的貢獻(xiàn)差異;采用最大熵法對綜合顯著度圖缺陷分割,通過與聚類分割法和區(qū)域增長分割法比較發(fā)現(xiàn),改進(jìn)后的視覺注意分割法能夠獲得更好的分割效果。
　　分析圖像各種特征的適應(yīng)性,提出缺陷圖像的特征選取方法,充分考慮分割前后圖像包含的不同信息,提取反映缺陷圖像全局特征的紋理特征值、反映分割后缺陷形狀特征的不變矩特征值和反映缺陷分布情況的離散度特征值,并將上述特征值作為缺陷圖像的分類依據(jù)。
　　

5、將可拓理論引入缺陷圖像分類中,討論了可拓理論用于缺陷圖像分類的可行性;提出改進(jìn)的關(guān)聯(lián)度計(jì)算方法,給出了計(jì)算表達(dá)式,并進(jìn)行了有效性論證。以待分物元的實(shí)際特征值與不同類別經(jīng)典域的距的絕對值和各距絕對值之和的商來計(jì)算關(guān)聯(lián)度加權(quán)系數(shù),強(qiáng)化了待分類缺陷自身特征值對最終關(guān)聯(lián)度值的影響,分類結(jié)果顯示較原有的關(guān)聯(lián)度計(jì)算方法有更好的效果。
　　通過統(tǒng)計(jì)分析獲取缺陷類別特征值的經(jīng)典域和節(jié)域,選取七類缺陷進(jìn)行分類仿真,采用改進(jìn)后的關(guān)聯(lián)度計(jì)算方法獲取待分