基于小波不变矩和保局投影的表面缺陷识别方法

提出了一种基于小波矩不变量和保局投影(LPP)的特征提取方法,并应用于中厚板表面缺陷自动识别. 首先对图像做三级小波变分解,将中厚板表面图像的细节分解到各个尺度的各个分量中并利用小波阈值收缩法降噪;然后对各分量的傅里叶幅值谱提取Hu不变矩作为原始特征向量,并利用LPP将该特征向量的维数从77维降到8维;最后利用AdaBoost分类器对样本进行分类识别. 实验结果表明,本文提出的特征提取方法适用于中厚板表面缺陷分类,识别率达到91.60%.     

板坯边角裂纹的小波检测方法

提出一种通过小波变换检测板坯边角裂纹的方法。该方法针对边角裂纹图像的特点,利用小波对其进行多尺度分析,在检测出边缘线的同时将图像分解为4个方向的细节分量;再选择恰当的阈值对垂直分量图进行分割．得到最终的检测结果。实验表明：与其他两种常用检测方法相比,该方法能更有效地提取出板坯边角裂纹。     

基于线型激光的连铸板坯表面裂纹在线检测技术

采用光学检测法对高温铸坯进行表面裂纹在线检测,将高亮度绿色激光线光源照射到铸坯表面,利用激光的单色性在摄像机镜头前加装窄带滤色镜去除高温铸坯表面辐射光的影响,从而提高图像的对比度. 通过非抽样小波对铸坯表面图像进行分解,计算分解后得到的低频分量和原始图像的尺度共生矩阵,以及高频分量的灰度共生矩阵,作为图像的纹理特征,并输入基于AdaBoosting算法的分类器进行分类. 利用该方法对表面裂纹、水痕、渣痕、氧化铁皮和振痕等五种缺陷和伪缺陷样本进行识别,表面裂纹的识别率达86.75%,总体识别率达87.16%.     

板带钢表面缺陷检测系统的多尺度边缘检测算法

针对冷轧带钢表面缺陷在在线检测过程中,无法准确地检测到图像中缺陷的边缘问题,提出了一种基于小波变换模极大值的板带钢表面缺陷多尺度边缘检测算法.该方法较好地解决了边缘检测精度与抗噪性能之间的协调问题,实现了在多个尺度上板带钢表面缺陷的边缘提取.实验结果表明该方法对伪缺陷边缘的去除有很好的效果,同时能够较好地保留图像中缺陷的边缘细节信息,具有更好的边缘检测性能,为带钢表面缺陷在线检测系统中的后续处理,如图像自动分割、缺陷识别等奠定了基础.     

基于小波提升分解的带钢表面缺陷检测

针对带钢表面缺陷的特点,提出了一种基于图像处理的快速检测方法.首先,通过分析小波的提升格式,确定了带钢图像的小波提升分解方法.其次,利用DB2小波对带钢图像进行二层提升分解.然后,选取二层水平细节和垂直细节子图进行图像融合.在此基础上,对融合图像进行标准化和维纳滤波.最后通过oust方差法进行分割从而实现对带钢表面缺陷的检测.实验表明,采用此方法能够有效抑制图像背景干扰,实现带钢缺陷的快速检测.     

带钢表面缺陷图像的小波阈值降噪研究

以典型带钢表面缺陷图像为例,采用小波阈值降噪方法研究带钢表面缺陷图像的小波阈值降噪规律,并论述了带钢表面缺陷图像阈值的选择和小波基的选取.结果表明,图像经过小波变换后具有低熵性、多分辨率和选基灵活性等特点,使得小波阈值降噪提高了图像的信噪比、改善图像的质量,并且增强图像的清晰度.     

带钢表面缺陷在线检测系统的图像滤波算法

由于纹理背景的存在导致图像缺陷检测结果不准确是目前冷轧带钢表面缺陷在线检测过程中存在的主要问题之一.针对该问题提出了一种基于小波的各向异性扩散图像滤波方法,该方法通过小波分解得到图像的低频和高频分量,并针对高频分量采用小波扩散系数对小波系数进行正则化处理,最后进行小波逆变换,重构滤波后图像.实验结果表明该方法不仅能够有效地滤除不必要的纹理背景信息,而且能够较好地保留图像的细节信息,具有更好的综合性能,为带钢表面缺陷在线检测系统中的后续处理,如图像的边缘检测和自动分割等奠定了基础.     

一种带钢表面缺陷检测的算法

为了准确快捷地对带钢表面缺陷进行在线自动检测,提出了一种小波提升格式的Mallat的表面缺陷检测方法。原始的Mallat算法滤波后的重构图像数据不再是整数,因此无法精确的实现无失真的小波重构图像。提出提升格式的双正交小波分解能够实现从整数到整数的变换,该算法首先利用小波变换的多分辨率的分析特点,对图像进行多尺度双正交小波提升算子的快速分解;然后再对重构后的图像进行二值化,提取出缺陷特征。实验结果表明,该方法能够明显检测出缺陷的存在。     

粗糙表面铁磁性棒材微裂纹检测与信号处理技术研究

为了克服微裂纹检测信号的重复性不能满足准确标定裂纹尺寸要求的缺陷,将测量所得微裂纹信号峰值视为带有噪声的连续峰值信号的采样值,利用小波变换在信号滤波上的优势对微裂纹峰值信号进行滤波后处理,由此确定被测裂纹的标准尺寸及其置信区间,从而使铁磁材料微裂纹检测技术从光洁表面向粗糙表面迈进了一步。     

基于SqueezeNet的混凝土表面裂纹检测研究

针对检测混凝土表面裂纹缺陷时效率低、准确率不高等问题,提出一种基于SqueezeNet的混凝土表面裂纹检测方法.首先构建混凝土图像数据集,对数据集进行预处理操作;然后构建混凝土表面裂纹检测的SqueezeNet模型,设置网络模型超参数,并将数据集输入模型训练裂纹缺陷检测分类器;最后选择适合的评价模型分析结果.实验结果表明:该方法对混凝土表面裂纹检测准确率达到99.85％,能够高效的检测混凝土表面裂纹缺陷,为建筑质量检测智能化的研究工作提供参考.     

厚板电子束焊缝的超声扇形扫描检测

针对传统超声斜角探伤法检测厚板焊缝宽度受限的问题,采用超声相控阵扇形扫描方法,对55 mm厚TC4电子束焊缝进行检测研究.对相控阵波束在TC4焊缝中的偏转聚焦特性及扇形扫描进行模拟分析,采用扇形扫描与D扫描、A扫描相结合的方法分析缺陷特征,给出缺陷的三维定位.结果表明：扇形扫描角度为30°～70°,采用双面检测的方法可以实现宽度有限的厚板焊缝的检测,扇形扫描图像能够更加直观地显示缺陷.在TC4电子束焊缝中检测出气孔、裂纹、未熔合和未焊透四种缺陷.通过合理设置坐标系,可以实现焊缝缺陷的三维定位,测得缺陷距离换能器楔块前沿的距离、埋藏深度和距离扫查起始位置的水平距离.     

高铁轮毂表面缺陷的视觉显著性超像素图像检测方法

针对高铁轮毂表面缺陷实时在线检测问题,提出一种基于视觉显著性注意机制的超像素自适应检测方法。首先采用同态滤波器对缺陷图像进行预处理,去除环境光污染噪声引起的图像亮度分布不均匀问题,构建轮毂表面缺陷图像的谱残差视觉注意模型,之后采用超像素分割算法对缺陷显著性图像进行自适应阈值分割,标记出高铁轮毂表面缺陷的二维空间位置,实现轮毂表面缺陷的边界检测和形态估计。本文方法在高铁轮毂表面缺陷检测实验平台上进行了实验验证,结果表明：该方法能够有效抑制图像分割中的过分割问题,对缺陷的边界信息提取准确,鲁棒性较好。     

工业X光图像安全检测算法

在工业X光图像安全检测中，缺陷在某种尺度下可以看作是屋脊边缘。从多尺度边缘检测的角度分析得出：在一定尺度下，圆形缺陷在两个方向上都看作是屋脊边缘，而条形缺陷只在一个方向上被看作是屋脊边缘。利用小波多尺度边缘检测的两个分量来确定两个方向是否都存在屋脊边缘，从而区分开这两种形状缺陷。使用LOG算子提取圆形缺陷，使用方向可调滤波器提取条形缺陷，根据检测到的缺陷的形状参数来对缺陷进行分类判级。实验表明，该算法有很好的检测效果。     

Edge detection of magnetic tile cracks based on wavelet

In order to extract the defect edge information on the magnetic tile surface with low contrast and textured background,an edge detection algorithm based on image weighted information entropy and wavelet modulus maxima is proposed.At first,a new Butterworth high pass filter(BHPF) with adaptive cutoff frequency is produced,because the clarity and complexity of the textured background are described by the weighted information entropy of the image gradient variance quantitatively,and the filter can change its parameters through matching the non-linear relationship between the information entropy and the cutoff frequency.And then,the best decomposition scale is obtained by the level determination function to prevent edge information from missing.At last,edge points are got by double threshold after obtaining the wavelet modulus maxima,and then the edge image is linked by the edge points to ensure the edge continuity and veracity.Experiment results indicate that the proposed algorithm outperforms the conventional Canny and Sobel algorithm,and the edge detection algorithm can also detect other defects,and lays the foundation for defecting auto- recognition.     

热态重轨表面缺陷在线检测方法及关键技术

针对热态重轨轧制时表面缺陷检测困难,研制了一种基于机器视觉的热态重轨表面缺陷实时检测系统。根据重轨辐射和光照特性进行了光学选型,利用多个线阵CCD相机并行多角度采集得到热态重轨全表面图像,通过图像自适应预处理得到满足缺陷检测要求的图像。针对重轨表面缺陷结构连续性引起的传统图像分割算法难以实现缺陷提取的情况,提出了图像像素线线间相关度互检验算法,并利用像素去差异化和方差统计运算提取完整缺陷,此方法在该类问题的识别效果上明显优于传统边缘识别算法。系统在某集团轨梁厂的实际应用中取得了良好的效果。     

The Recognition of Silk Fabric Defects Based on Biorthogonal Wavelet Analysis and SOM Neural Network

A feasible approach fog the recognition of silk fabric defects based on wavelet transform and SOM neural network is proposed in this paper, the indispensable processes of which are defect images denoising and enhancement, image edge detection, feature extraction and defects identification. Both geometrical and textural feature panuneters are extracted from the edge image and the enhanced defect image, and utifize SOM neural network to recognize the common defects which silk fabrics have, including warp- lacking, weft-lacking, double weft, loom bars, oll-stalin. Experimental results show the advantages with high identification correctness and high inspection speed.     

磁瓦表面夹层缺陷的检测和识别方法

为了改变目前以目视为主的磁瓦缺陷检测现状,应用计算机视觉技术检测与识别磁瓦缺陷.首先,应用图像剪切技术获得需要检测的部分;然后,应用Laplacian算子和Wiener滤波器进行图像锐化和滤波去噪,选择相应的阈值进行图像二值化;最后根据白色区域的面积和周长与给定的阈值进行比较,实现夹层缺陷的检测.MATLAB仿真实验验证了算法的有效性.     

带钢表面缺陷图像小波融合方法

采用两个CCD图像传感器在多种采集方式下获得不同缺陷图像,运用小波变换法对缺陷图像进行融合,结合带钢表面缺陷特征对融合算法和规则进行了探讨,并对融合后的缺陷图像质量进行评价.实验结果显示了小波融合方法的优越性,该方法能更全面、更准确、更大限度地获得缺陷图像信息,解决了单一CCD缺陷采集模式下存在的缺陷特征丢失问题,为后续的缺陷识别与分类提供有效、可靠的数据支持.