針對滾動接觸疲勞試驗機高精度和高效率的檢測要求,提出一種基于自動加權(quán)閾值的改進Otsu算法,將背景發(fā)生的概率作為Otsu分割閾值的權(quán)重,使分割閾值靠近直方圖的左下緣.首先對試件圖像進行區(qū)域定位,獲得試件接觸表面圖像;然后比較不同濾波器的檢測準確率、召回率、調(diào)和平均以及運行時間,選擇運行時間短、調(diào)和平均大的快速導向濾波器對圖像進行濾波;最后計算圖像的錯誤分類誤差來驗證檢測算法的有效性.實驗結(jié)果表明,該算法對測試圖像的錯誤分類誤差接近于0,與Otsu、加權(quán)目標方差、谷值強調(diào)和鄰域谷值強調(diào)閾值分割法相比,在滾動接觸疲勞缺陷檢測中有更好的分割結(jié)果.

【文章頁數(shù)】：9 頁

【部分圖文】：

圖32類平均灰度值的平均值和Otsu分割閾值的變化

,即Otsu算法所得閾值的權(quán)重,取值范圍為0~1.本文隨機選擇0.5作為加權(quán)閾值的一個例子,并使用圖3說明2類平均灰度值均值和Otsu分割閾值的變化.圖3由圖2h經(jīng)過導向濾波后分析所得到,縱坐標表示閾值,橫坐標表示灰度值.根據(jù)式(1)可知,圖3a中藍色曲線和紅色曲線交點處即是最佳....

圖41(t)隨灰度值的變化

出正確的缺陷.圖32類平均灰度值的平均值和Otsu分割閾值的變化3.4加權(quán)閾值算法的自適應(yīng)權(quán)重選擇權(quán)重在式(2)中取值范圍為0~1,一個小的取值會得到一個小的閾值,不同的圖像需要不同的,因此在疲勞缺陷檢測中需要一個自適應(yīng)的權(quán)重.由圖3a可知,2類平均灰度值的平均值即藍色曲線隨灰度....

圖像1導向濾波后的直方圖和閾值圖5圖像1的5種算法分割結(jié)果以及直方圖閾值分布g.

第7期許洪斌,等:滾動接觸疲勞缺陷檢測的改進Otsu算法11354實驗結(jié)果與分析將本文AWT與Otsu,VE[9],NVE[10]和WOV[11]算法在有缺陷和無缺陷的試件圖像上進行檢測并比較分割結(jié)果.為驗證AWT算法的有效性,用錯誤分類誤差(misclassificatione....

圖像2導向濾波后的直方圖和閾值圖6圖像2的5種算法分割結(jié)果以及直方圖閾值分布g.

第7期許洪斌,等:滾動接觸疲勞缺陷檢測的改進Otsu算法11354實驗結(jié)果與分析將本文AWT與Otsu,VE[9],NVE[10]和WOV[11]算法在有缺陷和無缺陷的試件圖像上進行檢測并比較分割結(jié)果.為驗證AWT算法的有效性,用錯誤分類誤差(misclassificatione....

本文編號：3908403