X射线检测焊缝缺陷图像的预处理

本文以X射线检测某压力容器得到的焊缝图像为分析对象,针对X射线检测焊缝原始图像具有灰度区间比较窄、缺陷边缘模糊、图像噪声多、缺陷特征有时被淹没等特点,对图像预处理的多种方法进行了实验比较,实验结果表明LUM滤波的方法可以兼顾平滑图像以及锐化图像双重作用,可以较好地增强边缘、抑制噪声、保存细节。     

基于形态学的焊缝X射线图像缺陷检测

通过对焊缝X射线图像进行垂直扫描,提取扫描线的线灰度曲线,提出了焊缝缺陷位置的检测算法.应用形态学滤波和分水岭变换对缺陷轮廓进行提取,实现了焊缝X射线图像缺陷的检测.对图像的实测结果表明,该方法能有效地对焊缝缺陷位置进行检测.     

基于射线照相的石墨电极缺陷检测与识别

针对石墨电极内部缺陷无损检测难题,提出采用射线检测与深度信念网络相结合的电极缺陷检测方法.为此制作了石墨电极曝光曲线,利用曝光曲线为预制带有不同缺陷的电极试块选取合理的工艺参数、并进行X射线检测.采用去噪增强处理方法改善电极射线图像对比度弱、信噪比低等问题;应用改进的Canny算子边缘检测方法对电极射线图像进行边缘提取,随后对缺陷特征进行选取、计算,并应用深度信念网络对电极缺陷进行智能识别.结果表明:将射线照相技术应用于石墨电极缺陷的检测是可行的;采用改进的Canny算子提取缺陷边缘,质量得到了很大提高,实现了特征参数的准确计算;将深度信念网络应用于电极缺陷的识别,精度可达96.67%,准确率较高.     

基于BP神经网络和均值差分的TFT-LCD MURA缺陷检测方法

TFT-LCD MURA缺陷具有背景整体亮度不均、灰度变化不明显等特点,用基于机器视觉的方法从TFT-LCD图像中分割出缺陷是非常困难的.本文提出一种新的MURA缺陷检测方法,首先在分析TFT-LCD图像中背景与MURA缺陷灰度值差异的基础上,采用均值滤波和背景差分法来抑制背景杂波,然后采用灰度约束获取疑似MURA缺陷区域,最后提取疑似区域灰度特征并将其放入训练后的BP神经网络提取缺陷目标.结果显示,本文方法正确检测概率为98.1%,误检率为1.4%,平均检测时间为0.33秒.仿真实验结果表明,本文提出的方法对MURA缺陷的检测非常有效,且算法简单,实时性高,易于实现.     

基于动态阈值和分层检测的图像缺陷识别算法的研究与应用

针对高精度印刷图像的质量检测中的检测速度和检测精度问题,本文提出了一种基于动态灰度阈值和分层检测的高精度印刷品质量检测的实时的图像缺陷识别算法.算法考虑到人的视觉感官特性,首先将所用的灰度阈值对采集到的印刷品图像进行缺陷的初步识别和标定,然后再按照高精度图像检测要求采用分层检测的方法进行搜索,解决了以往图像检测缺陷识别中的检测效果和速度不理想的问题.经过在高精度印刷图像的质量自动化检测系统中的应用,算法的速度和效果得到验证.     

基于X射线的BGA空洞缺陷3D检测方法

目的对球栅阵列封装(Ball Grid Array,BGA)芯片中由于焊接过程中产生的气体未能及时逸出所致的空洞缺陷进行3D检测,以降低缺陷检测难度和提高准确率,为实现BGA产品的流水线检测奠定基础.方法利用X射线三维显微镜对BGA芯片进行扫描与重建得到3D模型,将模型等距切片后转为灰度图像,根据3D可视化结果和灰度直方图选择固定阈值进行全局阈值分割,将分割得到的二值图进行连通区域标记并计算各区域面积,最后采用积分法求取焊球和空洞体积并计算空洞率.结果与2D检测方法对比,该方法可以有效去除图像中的多元器件重叠的不利因素,可直接观察空洞缺陷的大小及位置;在BGA切片图像中标记分割阈值的等值面并测量焊球和空洞的直径,将测量结果与DR图像中的测量值对比,最大误差为3.726μm,表明该方法可以准确地分割焊球及空洞特征.结论该方法可以有效地检测出BGA中的空洞缺陷,并准确地计算出焊球和空洞体积及基于体积的空洞率.     

基于2D Gabor小波和HSV空间的木材缺陷检测

提出了一种有效的木材缺陷自动检测方法,试图赋予计算机从木材图像数据中自动辨别出缺陷的能力,主要分析了木材缺陷的形态、走向和分布规律.首先将要识别的木材图像变换到HSV色彩空间,分别对H,S和V层进行区域分割和Gabor小波变换,得到各个子图像块的局部区域的基于不同频率和方向的特征向量,用于描述高维的木材图像.接着将提取出的纹理特征归一化后送入SVM分类器,检测过程采用二次循环搜索方式,利用特征向量间的相似度进行缺陷的定位和识别.模拟实验结果表明,该方法可有效识别出缺陷区域,识别效果较好.     

基于小波变换的集成电路内部缺陷检测方法

随着集成电路向多功能、高精密、高集成度的发展,集成化多层封装技术成为关键,而传统的表面缺陷检测和功能性测试方法对内部缺陷无法实现有效检测.X射线可通过透射成像直观地呈现元器件的内部缺陷,为极大规模集成电路产品的高可靠性生产提供了有效的检测手段.然而,集成电路的X射线图像灰度水平低、对比度低、有效特征细小,难以实现有效的检测.针对该问题文章设计了一种基于小波变换的集成电路内部缺陷检测方法.该方法利用小波的多分辨率分析特点,采用小波同态滤波方法对集成电路的X射线图像进行预处理,提高图像的对比度,进而采用小波模极大值方法提取缺陷的有效边缘供给工业检测判断.实验结果表明,该方法提取的缺陷边缘清晰、数量完整,为保证内部缺陷检测精度、提高集成电路封装质量提供依据.     

一种分形和形态学结合的图像边缘检测算法

分形将灰度图像空间映射到分形维数空间进行边缘检测,形态学利用具有特向性的检测算子进行边缘检测.本文将分形中DFBR模型和改进的形态学方法相结合得到一种新的边缘检测算法.实验结果表明:结合算法具有分形算法的保留图像边缘细节能力和形态学对特殊方向边缘的检测能力,在对含有大量细节图像的边缘提取上优于单一的边缘检测方法,并具有良好的抗噪性能.     

图像灰度熵特征与SVM分类结合的人脸检测

提出了一种基于支持向量机并综合图像灰度值和灰度熵的人脸检测方法.在信息论的编码熵的基础上提出了灰度熵的概念,并把人脸图像的行像素灰度熵和列像素灰度熵作为人脸图像的部分特征.在人脸检测系统中,把人脸图像的灰度值和行像素灰度熵和列像素灰度熵作为特征用支持向量机进行训练,得到检测用分类模型,然后把分类模型应用于人脸检测.实验证明了这种方法的有效性.     

Gabor滤波器在带钢表面缺陷检测中的应用

利用Gabor滤波器具有频率选择和方向选择的特性,将其应用在带钢表面缺陷检测系统中,不但能够去除噪声,而且能够把缺陷的纹理特征完整地保留下来.引入评价函数使缺陷图像和无缺陷图像的能量响应差别最大化,以确定最佳滤波器参数.基于最优的阈值函数得到二值化图像,并应用形态学分析方法去除二值图像上小的噪声,得到分割后的缺陷图像.实验结果验证了该方法的有效性.     

基于图像分割的钢板表面缺陷识别

钢板的表面缺陷是影响钢板质量的主要因素,通过改进轧制工艺可以减少缺陷发生外,及时检测出钢板的表面缺陷也非常重要.对于钢板表面缺陷的检测,需要获取图像,然后对图像进行初步处理,重要的步骤就是对缺陷进行分割.基于图像灰度信息的不同,本文采用了两种图像分割模型(C-V模型和H-T-B模型),当图像的灰度信息均匀时,采用C-V模型对图像进行分割;当图像的灰度信息不均匀时,则采用H-T-B模型对图像进行分割.通过两种模型的组合应用可以对钢板的各类表面缺陷进行识别,获取缺陷区域,有利于提高钢板生产质量.     

基于像素级的图像融合

图像融合是将两幅或多幅具有互补信息的源图像融合为一幅新的图像,融合后的图像具有更好的特性.主要对两组不同的图像进行了像素级图像融合,融合时采用了灰度值选大法、灰度值选小法和加权平均法.实验结果表明,对于不同的源图像,采用不同的算法所得到融合图像效果将会不同.     

一种基于灰度投影的带钢表面缺陷检测算法

根据带钢表面缺陷图像的特点提出了一种利用带钢图像的灰度投影进行带钢表面缺陷目标检测的一种算法.该算法首先是把带钢图像分别进行向下和向左的灰度投影,然后在此基础上计算出向下投影与向左投影的投影均值并分别找出其中的最大值与最小值,之后分别把它们做差,如果向下投影均值的差值和向左投影均值的差值中至少有一个超过了给定的阈值则认为图像存在缺陷,否则无缺陷.该算法在多次实验中都能够很成功地完成带钢表面缺陷目标检测的功能.     

汽车轮毂缺陷检测中的缺陷增强与字符去除技术

传统的轮毂图像缺陷检测算法,直接对采集到的图像进行检测,准确度低是其主要缺点。鉴于此,提出了一种汽车轮毂缺陷检测中的缺陷增强与字符去除技术。该技术通过对原图像进行数学形态学处理得到伪模板图像,然后将其与原图像相减的结果进行灰度拉伸,再叠加到原图像上以增强缺陷特征,最后使用双边滤波技术去除轮毂字符信息。实验结果表明,使用缺陷增强和字符去除技术之后,在满足时间限制的前提下,轮毂缺陷检测算法的准确度得到了提高。     

结合离散熵和自组织神经网络(SOM)的边缘检测方法

提出了一种结合图像离散熵和自组织神经网络的边缘检测方法.首先,用离散熵选定阈值来分割图像的平滑区域和灰度变化剧烈的区域,用来减少计算量;其次将灰度图像转化为理想二值像素模式;定义了6个边缘类型和6个原型向量.将这些边缘向量作为神经网络的输入,通过SOM对其进行边缘分类从而获得边缘图像.最后将斑点边缘从边缘图像中去除即得到理想的边缘图像.实验结果表明,与其他的边缘检测方法相比获得了较为理想的边缘.     

陶瓷基片检测中Robert边缘细化算法

陶瓷基片检测中为了对亚像素进行精确定位,需要对基片图像进行灰度边缘细化.为了得到保留信息的细化灰度边缘,对边缘细化算法进行了研究,提出了Robert边缘细化算法.先对基片图像进行均值滤波,然后用Robert算子进行两次边缘检测,最后将两次检测结果进行减法运算得到边缘细化的陶瓷基片图像.实验表明,该算法可以得到允许范围内的单像素连通的细边缘,保留边缘灰度信息,为下一步对图像进行亚像素细分,提高测量精度打下良好的基础.     

一种改进的分水岭分割算法

传统的分水岭分割算法受噪声和图像细节信息的影响,存在过分割、对噪声敏感等缺陷.针对这些缺陷,提出一种基于密度模糊聚类的分水岭分割算法.首先对图像进行分水岭分割,提取各子区域灰度均值,然后对灰度均值进行密度模糊聚类,进行区域合并.进行多组对比实验,结果表明此算法具有可行性和有效性.     

基于粒子群模糊聚类算法的边缘检测仿真

将粒子群优化算法与模糊C-均值(FCM)聚类算法相结合,并应用于图像边缘检测,以期解决标准FCM算法在图像边缘检测中对初始值敏感及容易陷入局部极小的两大缺陷.首先,基于数学测度概念构造一个描述边缘点信息的特征向量,将灰度图像中的每一个像素点看成是一个数据样本,将该点灰度值处理后构成其边缘点信息特征向量,形成具有三维特征的数据集;然后对这个数据集应用粒子群模糊聚类算法进行分类,自适应地检测出图像的边缘点,达到提取边缘的目的.仿真实验表明,此算法具有良好的抗噪性能,能够得到较好的边缘效果,提高了边缘定位的精度.     

一种改进的分水岭分割算法

传统的分水岭分割算法受噪声和图像细节信息的影响,存在过分割、对噪声敏感等缺陷.针对这些缺陷,提出一种基于密度模糊聚类的分水岭分割算法.首先对图像进行分水岭分割,提取各子区域灰度均值,然后对灰度均值进行密度模糊聚类,进行区域合并.进行多组对比实验,结果表明此算法具有可行性和有效性.