本文選題：磁瓦 + 非下采樣Shearlet變換��； 參考：《工程科學與技術》2017年02期

【摘要】：針對磁瓦表面缺陷對比度低,圖像受不均勻背景和磨削紋理干擾大等問題,提出了一種基于非下采樣Shearlet變換(non-subsampled Shearlet transform,NSST)的磁瓦表面缺陷檢測方法。首先,對磁瓦圖像進行多尺度多方向NSST分解,得到一個低頻子帶圖像及多個頻率和方向變化的高頻子帶圖像。然后對缺陷在高低頻域表現出的不同特征進行針對性的處理,在低頻子帶中分別計算行均值線圖像和列均值線圖像,將列均值線圖像沿行均值線圖像擴展,構造基于均值的自適應閾值對低頻子帶進行濾波,以去除不均勻背景;同時,利用同一分解尺度下各高頻子帶系數中微弱缺陷信號的方差較大,顯著缺陷信號的能量較大,而噪聲和背景干擾信號的方差和能量均較小的差異,構造基于Shearlet高頻分解系數方差和能量的綜合高頻缺陷識別算子,濾除高頻子帶中的噪聲和背景干擾。最后,對修正后的分解系數進行逆NSST重構,得到背景均勻,磨削紋理和噪聲干擾被充分抑制的高對比度圖像,并采用自適應閾值分割方法提取出缺陷區(qū)域。實驗結果表明,該方法的假陽性率、假陰性率和檢測準確率分別達到8.8%、5.0%和93.1%;本文算法在MATLAB仿真平臺中平均運行時間為0.629 s;相較于現有的磁瓦表面缺陷檢測算法,該方法能夠有效地去除不均勻背景、磨削紋理和噪聲干擾,檢測結果更加準確,魯棒性更強。
[Abstract]:Aiming at the problems of low contrast of surface defect of magnetic tile, large interference of image by non-uniform background and grinding texture, a method of detecting surface defect of magnetic tile based on non-subsampled Shearlet transform (non-subsampled Shearlet transform NSST) is proposed. Firstly, a low frequency subband image and a high frequency subband image with multiple frequencies and directions are obtained by multi-scale and multi-directional NSST decomposition. Then we deal with the different characteristics of defects in high and low frequency domain, calculate the row mean line image and column average line image in the low frequency subband, and extend the column mean line image along the row mean line image. The adaptive threshold based on mean value is constructed to filter the low frequency subband to remove the non-uniform background. At the same time, the variance of the weak defect signal in each high frequency subband coefficient under the same decomposition scale is large, and the energy of the significant defect signal is larger. However, the variance and energy of noise and background interference signal are small, so a comprehensive high frequency defect recognition operator based on variance and energy of Shearlet high frequency decomposition coefficient is constructed to filter the noise and background interference in high frequency subband. Finally, the modified decomposition coefficient is reconstructed by inverse NSST, and a high contrast image with uniform background and sufficient suppression of grinding texture and noise interference is obtained, and the defect region is extracted by adaptive threshold segmentation method. The experimental results show that the false positive rate, false negative rate and detection accuracy of this method are 8.8% and 93.1%, respectively. The average running time of this algorithm in MATLAB simulation platform is 0.629 s. This method can effectively remove uneven background, grinding texture and noise interference, and the detection results are more accurate and robust.
【作者單位】： 四川大學制造科學與工程學院;
【基金】：國家科技支撐計劃資助項目(2015BAF27B01) 四川省科技支撐計劃資助項目(2016GZ0160)
【分類號】：TP391.41

【參考文獻】

相關期刊論文 前5條

1 賀振東;王耀南;劉潔;印峰;;基于背景差分的高鐵鋼軌表面缺陷圖像分割[J];儀器儀表學報;2016年03期

2 劉健;雷英杰;邢雅瓊;鹿傳國;;基于NSST域隱馬爾可夫樹模型的SAR和灰度可見光圖像融合[J];控制與決策;2016年03期

3 陶飛翔;吳一全;;非下采樣Shearlet變換與參數化對數圖像處理相結合的遙感圖像增強[J];測繪學報;2015年08期

4 蔣紅海;殷國富;劉培勇;尹湘云;;基于Curvelet變換和支持向量機的磁瓦表面缺陷識別方法[J];四川大學學報(工程科學版);2012年03期

5 余永維;殷國富;蔣紅海;黃強;;磁瓦表面圖像的自適應形態(tài)學濾波缺陷提取方法[J];計算機輔助設計與圖形學學報;2012年03期

【共引文獻】

相關期刊論文 前10條

1 侯海洋;李俊峰;;基于小波及自適應Canny的磁環(huán)表面缺陷檢測算法[J];計算機系統(tǒng)應用;2017年06期

2 王洋;余祖俊;朱力強;郭保青;;基于CNN的高速鐵路侵限異物特征快速提取算法[J];儀器儀表學報;2017年05期

3 鄭葉欣;王耀南;周顯恩;蔣笑笑;彭玉;劉遠強;;基于POBT的空瓶規(guī)則紋路區(qū)域缺陷檢測[J];電子測量與儀器學報;2017年04期

4 楊成立;殷鳴;向召偉;殷國富;范奎;;基于非下采樣Shearlet變換的磁瓦表面缺陷檢測[J];工程科學與技術;2017年02期

5 楊成立;殷鳴;蔣紅海;向召偉;殷國富;;基于非下采樣Shearlet變換的磁瓦表面裂紋檢測[J];農業(yè)機械學報;2017年03期

6 王濤;;無砟軌道幾何狀態(tài)檢測儀測量原理及精度分析[J];電子測量技術;2017年02期

7 李艷荻;徐熙平;陳江;王鶴程;;動態(tài)特征塊匹配的背景更新在運動檢測的應用[J];儀器儀表學報;2017年02期

8 王海華;朱夢婷;李莉;王麗燕;趙海英;梅樹立;;基于剪切波變換和無人機麥田圖像的區(qū)域雜草識別方法[J];農業(yè)工程學報;2017年S1期

9 劉洪生;蔣紅海;忽正熙;;基于高斯混合模型的磁瓦合格分類研究[J];制造業(yè)自動化;2017年01期

10 劉國平;常震;胡tb華;;磁瓦表面圖像的下包絡線灰度對比度缺陷檢測算法[J];機械科學與技術;2017年02期

【二級參考文獻】

相關期刊論文 前10條

1 張榮華;劉珊;張牧;劉建旭;王琦;王化祥;;基于空間分布熵的電磁脈沖渦流無損檢測方法[J];儀器儀表學報;2015年04期

2 靳世久;楊曉霞;陳世利;黃玉秋;郭薇;;超聲相控陣檢測技術的發(fā)展及應用[J];電子測量與儀器學報;2014年09期

3 姚昆;楊學志;唐益明;郎文輝;;SAR海冰的三維區(qū)域MRF圖像分割[J];儀器儀表學報;2013年11期

4 楊波;賈振紅;覃錫忠;楊杰;胡英杰;;基于Shearlet變換的遙感圖像增強[J];光電子.激光;2013年11期

5 郭海濤;劉麗媛;趙亞鑫;徐豐;;基于MAR與FCM聚類的聲吶圖像分割[J];儀器儀表學報;2013年10期

6 龔昌來;羅聰;楊冬濤;黃杰賢;;一種基于平穩(wěn)小波域的紅外圖像增強方法[J];激光與紅外;2013年06期

7 連遠鋒;趙剡;何暉光;陳雪姣;;基于FESS的混合模型腦圖像分割方法[J];儀器儀表學報;2013年06期

8 巫兆聰;胡忠文;張謙;崔衛(wèi)紅;;結合光譜、紋理與形狀結構信息的遙感影像分割方法[J];測繪學報;2013年01期

9 李敏;羅洪艷;鄭小林;譚立文;朱文武;;一種改進的最大類間方差圖像分割法[J];南京理工大學學報;2012年02期

10 秦翰林;周慧鑫;劉群昌;賴睿;;采用多尺度隱式馬爾可夫模型的紅外圖像背景抑制[J];光學精密工程;2011年08期

【相似文獻】

相關期刊論文 前10條

1 郭慧平;王召巴;金永;;火箭發(fā)動機包覆層表面缺陷檢測系統(tǒng)研究[J];電子測試;2011年02期

2 李u&;譚永龍;楊美英;;水果分級與表面缺陷檢測研究[J];計算機工程與設計;2008年15期

3 張學武;呂艷云;丁燕瓊;梁瑞宇;;小波統(tǒng)計法的表面缺陷檢測方法[J];控制理論與應用;2010年10期

4 劉澤福;王冰峰;康戈文;;基于帶鋼表面缺陷檢測的背景相減的方法[J];福建電腦;2006年05期

5 陳國君;陳鵬;張學軍;;基于計算機視覺的軸承表面缺陷檢測[J];煤礦機械;2009年02期

6 宗欣;;BASLER的45°頂端檢測:一種表面缺陷檢測的全面方案[J];記錄媒體技術;2004年05期

7 高潮;郭永彩;任可;楊暉;;基于嵌入式系統(tǒng)和圖像識別的拉索表面缺陷檢測技術[J];光電工程;2008年02期

8 吳曉鵬;林介邦;唐輝;鐘園園;羅祥英;;基于機器視覺的鑄坯表面缺陷檢測系統(tǒng)的研制[J];武鋼技術;2010年01期

9 叢家慧;顏云輝;;視覺注意機制在帶鋼表面缺陷檢測中的應用[J];中國機械工程;2011年10期

10 孫瑜,羅飛路,趙東明;利用交變磁場測量法的金屬表面缺陷檢測[J];兵工自動化;2004年02期

相關會議論文 前5條

1 韓立強;;基于圖像分割技術的汽車發(fā)動機缸體表面缺陷檢測[A];面向21世紀的科技進步與社會經濟發(fā)展（下冊）[C];1999年

2 郭慶華;田陸;袁英宏;黃郁君;;嵌入式系統(tǒng)在鋼板表面缺陷檢測中的應用[A];2012第四屆先進軋鋼精整及鋼材包裝技術學術研討會文集[C];2012年

3 郭慶華;田陸;袁英宏;黃郁君;;嵌入式系統(tǒng)在鋼板表面缺陷檢測中的應用[A];2012年全國軋鋼生產技術會論文集（下）[C];2012年

4 張鳳全;高娜;于明;趙曉安;張慧娟;;圖像處理在物體表面缺陷檢測中的應用[A];圖像圖形技術與應用進展——第三屆圖像圖形技術與應用學術會議論文集[C];2008年

5 劉乃強;徐科;;形態(tài)學梯度在帶鋼表面缺陷檢測中的應用[A];全國煉鋼連鑄過程自動化技術交流會論文集[C];2006年

相關博士學位論文 前7條

1 王世通;精密表面缺陷檢測散射成像理論建模及系統(tǒng)分析研究[D];浙江大學;2015年

2 儲茂祥;鋼板表面缺陷檢測關鍵技術研究[D];東北大學;2014年

3 程萬勝;鋼板表面缺陷檢測技術的研究[D];哈爾濱工業(yè)大學;2008年

4 王義文;鋼球表面缺陷檢測關鍵技術研究及樣機研制[D];哈爾濱理工大學;2010年

5 趙立明;基于激光掃描成像與異源CCD融合的連鑄熱坯表面缺陷檢測方法研究[D];重慶大學;2014年

6 叢家慧;引入人類視覺特性的帶鋼表面缺陷檢測與識別方法研究[D];東北大學;2010年

7 王鵬;基于運動視覺技術的鋼球表面缺陷檢測[D];哈爾濱理工大學;2008年

相關碩士學位論文 前10條

1 于躍;基于PMP的鋼軌表面缺陷檢測研究[D];西南交通大學;2015年

2 汪磊;鋁箔復卷機運動仿真分析及表面缺陷檢測系統(tǒng)研究[D];浙江大學;2015年

3 付邦瑞;鋼坯表面裂紋圖像檢測[D];電子科技大學;2015年

4 楊林;冷態(tài)熱軋鋼板表面缺陷檢測系統(tǒng)技術研究[D];重慶大學;2015年

5 李嬌嬌;基于改進DAGSVM的鋼板表面缺陷檢測系統(tǒng)設計與實現[D];重慶大學;2015年

6 王松芳;基于特征分類的低分辨率觸摸屏表面缺陷檢測[D];北京交通大學;2016年

7 李幫建;基于計算機視覺的表面缺陷檢測及應用[D];東南大學;2015年

8 楊建華;多口徑發(fā)動機包覆層表面缺陷檢測方法研究[D];中北大學;2016年

9 張露林;基于GPU的衛(wèi)生用品表面缺陷檢測軟件設計[D];浙江大學;2016年

10 朱健;基于機器視覺的連接器表面缺陷檢測算法研究[D];南京理工大學;2016年

，

本文編號：1905203