本文關(guān)鍵詞：帶鋼表面低對(duì)比度弱小缺陷檢測(cè)的圖像處理方法研究

  更多相關(guān)文章： 圖像處理 機(jī)器視覺檢測(cè)系統(tǒng) 圖像去噪 缺陷分割 Tamura紋理特征

【摘要】：鋼鐵產(chǎn)業(yè)是國(guó)民經(jīng)濟(jì)的重要基礎(chǔ)產(chǎn)業(yè),是實(shí)現(xiàn)工業(yè)化的支撐產(chǎn)業(yè)。作為鋼鐵產(chǎn)業(yè)的主要產(chǎn)品之一,帶鋼更已成為汽車、船舶以及航空航天等行業(yè)的重要原材料。隨著科學(xué)技術(shù)的不斷發(fā)展,后續(xù)加工對(duì)帶鋼的表面質(zhì)量要求越來(lái)越高,表面質(zhì)量的好壞是帶鋼的一項(xiàng)重要指標(biāo),因此對(duì)帶鋼表面質(zhì)量進(jìn)行檢測(cè)具有重要意義。本文針對(duì)帶鋼在軋制的過程中常出現(xiàn)的表面缺陷檢測(cè)的一些關(guān)鍵技術(shù)進(jìn)行了研究。提出了缺陷檢測(cè)系統(tǒng)的總體方案,并著重分析研究了檢測(cè)系統(tǒng)的圖像去噪方法、缺陷分割方法、特征提取方法,主要研究?jī)?nèi)容如下所示:1.根據(jù)缺陷圖像噪聲的特點(diǎn),運(yùn)用傳統(tǒng)的去噪方法與非局部均值去噪方法進(jìn)行去噪效果對(duì)比,實(shí)驗(yàn)結(jié)果表明:非局部均值去噪方法在對(duì)圖像進(jìn)行有效去噪的同時(shí)還能較好的保留圖像的紋理和邊緣等重要的細(xì)節(jié)信息。2.針對(duì)非局部均值算法中濾波參數(shù)h不能科學(xué)選擇的問題,提出利用PCA噪聲估計(jì)方法對(duì)算法進(jìn)行改進(jìn),實(shí)現(xiàn)濾波參數(shù)h可根據(jù)不同圖像自適應(yīng)取值,以達(dá)到更好的去噪效果。3.針對(duì)帶鋼表面缺陷具有采光不均、目標(biāo)較小、對(duì)比度低等特點(diǎn),提出了基于Mask勻光處理的區(qū)域分割方法,實(shí)驗(yàn)證明此方法能有效解決光照不均的問題并得到很好的分割效果。4.在提取帶鋼表面圖像多信息融合的特征向量中的紋理特征時(shí),提出利用將灰度共生矩(GLCM)和Tamura紋理特征相結(jié)合提取圖像紋理特征的方法,隨后通過BP網(wǎng)絡(luò)的分類識(shí)別正確率對(duì)改進(jìn)效果進(jìn)行了驗(yàn)證。
【關(guān)鍵詞】：圖像處理 機(jī)器視覺檢測(cè)系統(tǒng) 圖像去噪 缺陷分割 Tamura紋理特征
【學(xué)位授予單位】：武漢科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TG335.56;TP391.41
【目錄】：

• 摘要4-5
• ABSTRACT5-10
• 第1章 緒論10-18
• 1.1 研究意義10-11
• 1.2 基于機(jī)器視覺的帶鋼表面缺陷檢測(cè)系統(tǒng)與研究現(xiàn)狀11-16
• 1.2.1 帶鋼表面缺陷檢測(cè)系統(tǒng)的結(jié)構(gòu)介紹11-13
• 1.2.2 視覺表面缺陷檢測(cè)系統(tǒng)的國(guó)內(nèi)外研究現(xiàn)狀13-14
• 1.2.3 視覺表面缺陷檢測(cè)算法研究綜述14-16
• 1.3 本文的主要研究?jī)?nèi)容及結(jié)構(gòu)安排16-18
• 第2章 圖像的非局部均值去噪算法18-26
• 2.1 基于非局部均值的圖像去噪方法18-20
• 2.1.1 非局部均值圖像去噪原理18-19
• 2.1.2 非局部均值數(shù)學(xué)模型19-20
• 2.2 算法比較20-24
• 2.3 本章小結(jié)24-26
• 第3章 非局部均值算法的改進(jìn)26-36
• 3.1 概述26
• 3.2 噪聲水平的自適應(yīng)26-31
• 3.2.1 圖像噪聲與參數(shù)h的關(guān)系26-27
• 3.2.2 利用PCA方法進(jìn)行噪聲估計(jì)27-31
• 3.3 改進(jìn)前后的結(jié)果對(duì)比31-35
• 3.4 本章小結(jié)35-36
• 第4章 圖像分割算法研究及光照不均校正36-49
• 4.1 基于邊緣檢測(cè)的圖像分割方法36-39
• 4.1.1 微分算子36
• 4.1.2 形態(tài)學(xué)梯度邊緣檢測(cè)36-38
• 4.1.3 邊緣檢測(cè)實(shí)驗(yàn)結(jié)果對(duì)比38-39
• 4.2 基于區(qū)域的分割方法39-42
• 4.2.1 閾值分割法39-40
• 4.2.2 基于MRF的分割法40-42
• 4.3 光照不均的校正42-48
• 4.3.1 非均勻光照校正方法42-44
• 4.3.2 光照校正實(shí)驗(yàn)效果對(duì)比44-46
• 4.3.3 對(duì)光照校正后的圖像進(jìn)行分割實(shí)驗(yàn)46-48
• 4.4 本章小結(jié)48-49
• 第5章 缺陷特征提取49-59
• 5.1 幾何特征49-50
• 5.2 灰度特征50-51
• 5.3 不變矩與拓?fù)涮卣?/span>51-53
• 5.3.1 不變矩特征51-53
• 5.3.2 拓?fù)涮卣?/span>53
• 5.4 紋理特征53-58
• 5.5 本章小結(jié)58-59
• 第6章 帶鋼表面缺陷的識(shí)別與分類59-65
• 6.1 BP神經(jīng)網(wǎng)絡(luò)59-61
• 6.1.1 BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)59-60
• 6.1.2 BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法60-61
• 6.2 實(shí)驗(yàn)數(shù)據(jù)的選擇以及BP網(wǎng)絡(luò)的設(shè)計(jì)61-62
• 6.2.1 樣本數(shù)據(jù)的歸一化處理61-62
• 6.2.2 BP網(wǎng)絡(luò)的設(shè)計(jì)62
• 6.3 實(shí)驗(yàn)結(jié)果對(duì)比62-64
• 6.4 本章小結(jié)64-65
• 第7章 全文總結(jié)及展望65-67
• 7.1 全文總結(jié)65-66
• 7.2 論文后續(xù)工作及展望66-67
• 致謝67-68
• 參考文獻(xiàn)68-73
• 附錄1 攻讀碩士學(xué)位期間發(fā)表的論文73-74
• 附錄2 攻讀碩士學(xué)位期間參加的科研項(xiàng)目74-75
• 詳細(xì)摘要75-78

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前8條

1 劉筱霞;轉(zhuǎn)換圖像模式以適于輸出[J];印刷世界;2003年06期

2 姚海根;;高位數(shù)據(jù)圖像的現(xiàn)實(shí)和未來(lái)需求[J];印刷雜志;2011年07期

3 許德合;PDF文件格式的概貌(續(xù))[J];廣東印刷;2002年01期

4 姚海根;;RGB編輯[J];出版與印刷;2012年02期

5 王平讓;黃宏偉;薛亞東;;基于圖像局部網(wǎng)格特征的隧道襯砌裂縫自動(dòng)識(shí)別[J];巖石力學(xué)與工程學(xué)報(bào);2012年05期

6 姚海根;多色調(diào)圖像及輸出[J];印刷雜志;1998年08期

7 劉斌強(qiáng);陳希;;數(shù)碼相機(jī)圖像的色彩管理[J];絲網(wǎng)印刷;2006年01期

8 ;[J];;年期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前3條

1 吳楠;李曉曦;宋方敏;;圖像挖掘及其在醫(yī)學(xué)圖像分類中的應(yīng)用[A];2006年全國(guó)理論計(jì)算機(jī)科學(xué)學(xué)術(shù)年會(huì)論文集[C];2006年

2 潘海為;謝曉芹;張煒;李建中;;基于ROI的醫(yī)學(xué)圖像聚類算法[A];第二十三屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2006年

3 孫華;;Photoshop軟件在眼科領(lǐng)域的應(yīng)用[A];中華醫(yī)學(xué)會(huì)第十二屆全國(guó)眼科學(xué)術(shù)大會(huì)論文匯編[C];2007年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前8條

1 重慶 楊清德;寬屏幕電視機(jī)圖像模式的選擇[N];電子報(bào);2007年

2 計(jì)算機(jī)世界實(shí)驗(yàn)室 吳挺;高速中進(jìn)取[N];計(jì)算機(jī)世界;2008年

3 山東濰坊學(xué)院 年仁德;上好Photoshop的第一節(jié)課圖片欣賞課[N];中國(guó)電腦教育報(bào);2004年

4 劉全恩;高清投影機(jī)量產(chǎn) 家用市場(chǎng)占兩成[N];中國(guó)電子報(bào);2007年

5 eN書蟲;用Photoshop制作燃燒字[N];江蘇經(jīng)濟(jì)報(bào);2000年

6 王林;東芝XV500系列高清首選[N];電子資訊時(shí)報(bào);2008年

7 趙軍紅　編譯;手機(jī)顯微鏡將在非洲試用[N];科技日?qǐng)?bào);2010年

8 ;輕松制作電子詞典的開機(jī)畫面[N];中國(guó)計(jì)算機(jī)報(bào);2004年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 黃明明;圖像局部特征提取及應(yīng)用研究[D];北京科技大學(xué);2016年

2 段曼妮;圖像挖掘在圖像檢索中的應(yīng)用[D];中國(guó)科學(xué)技術(shù)大學(xué);2009年

3 袁承志;風(fēng)格與象征——魏晉南北朝蓮花圖像研究[D];清華大學(xué);2004年

4 秦昆;基于形式概念分析的圖像數(shù)據(jù)挖掘研究[D];武漢大學(xué);2004年

5 蔡濤;面向目標(biāo)識(shí)別的圖像特征融合提取技術(shù)研究[D];中國(guó)人民解放軍國(guó)防科學(xué)技術(shù)大學(xué);2000年

6 韓躍平;復(fù)雜產(chǎn)品內(nèi)部結(jié)構(gòu)裝配正確性X射線自動(dòng)檢測(cè)技術(shù)研究[D];中北大學(xué);2009年

7 曹建芳;場(chǎng)景圖像情感語(yǔ)義分析關(guān)鍵技術(shù)研究[D];太原理工大學(xué);2015年

8 徐望明;面向圖像檢索和分類任務(wù)的稀疏特征學(xué)習(xí)[D];武漢科技大學(xué);2013年

9 周海英;基于視覺認(rèn)知的圖像搜索與識(shí)別關(guān)鍵技術(shù)研究[D];北京科技大學(xué);2015年

10 韓子仲;視象與圖像[D];中國(guó)美術(shù)學(xué)院;2008年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 吳春燕;樹木葉片滯塵量與反射光譜及圖像特征的關(guān)系研究[D];中國(guó)林業(yè)科學(xué)研究院;2015年

2 李娜;基于SAR圖像的海洋油膜分類研究[D];中國(guó)石油大學(xué)(華東);2014年

3 冀鑫;基于矢量量化與LBP的圖像檢索算法研究[D];太原理工大學(xué);2016年

4 陳之凡;西方圖像的中國(guó)形象異化和視覺文化批判[D];武漢紡織大學(xué);2016年

5 馮語(yǔ)姍;果蔬圖像的混合粒度分類研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2016年

6 蘇寶星;基于深度學(xué)習(xí)的醫(yī)學(xué)圖像模式分類研究[D];浙江師范大學(xué);2016年

7 趙翔宇;北朝青州造像中“龍銜蓮”圖像研究[D];山東師范大學(xué);2016年

8 童思維;帶鋼表面低對(duì)比度弱小缺陷檢測(cè)的圖像處理方法研究[D];武漢科技大學(xué);2016年

9 邱炳瑜;基于內(nèi)容的圖像收集和地區(qū)代表性圖像選出系統(tǒng)的研究與實(shí)現(xiàn)[D];北京郵電大學(xué);2009年

10 史英杰;醫(yī)學(xué)圖像輔助診斷系統(tǒng)中圖像分割技術(shù)的研究[D];華中科技大學(xué);2007年

，

本文編號(hào)：856073