基于小波分解的帶鋼缺陷檢測
【圖文】：
信號的檢測。同樣，對二維圖像信號進行小波分解后，可以得到近似細節(jié)子圖、水平細節(jié)子圖、垂直細節(jié)子圖和對角線細節(jié)子圖；選擇子圖進行融合可以增強圖像的缺陷。1.1帶鋼圖像的小波分解帶鋼圖像主要是由正常背景紋理和缺陷組成的，而帶鋼缺陷是正常紋理的突變。因此，背景紋理和缺陷的頻率是不同的。通過小波分解后進行選擇性重構(gòu)可以有效地抑制正常紋理，突出缺陷信息[10-11]。當對帶鋼圖像進行分解時，，應(yīng)該選擇具有緊支性，高消失矩和良好對稱性的小波。因此，本文選擇sym2小波進行圖像分解。帶鋼缺陷圖像如圖2所示。圖2帶鋼圖像帶鋼圖像的小波分解如圖3所示。(a)第一層小波分解(b)第二層小波分解(c)第三層小波分解圖3帶鋼圖像的小波分解其中LL、LH、HL、和HH分別表示近似細節(jié)子圖、水平細節(jié)子圖、垂直細節(jié)子圖和對角線細節(jié)子圖。1.2帶鋼子圖的選擇由于正常紋理信號是規(guī)則的，小波分解的細節(jié)子圖接近零值。然而帶鋼缺陷是正常紋理信息的突變，屬于奇異信號，通過小波分解，其相應(yīng)的細節(jié)子圖能量會增大。因此，選擇那些能量大于正常細節(jié)子圖的細節(jié)子圖進行融合，通過抑制正常紋理，突出帶鋼缺陷信息。小波分解的子圖能量用公式（2）表示：1|(,)|MNxyEfxyMN（2）其中，f(x,y)是像素(x,y)的灰度級，MN是子圖的尺寸。對角線子圖能量較小，并包含大量的噪聲，因此只考慮水平子圖和垂直子圖能量進行圖像融合。1.3帶鋼子圖的融合（1）計算標準圖像nE的細節(jié)子圖能量；（2）計算測試圖像tE的細節(jié)子圖能量；（3）通過比較nE和tE，選擇能量較大的細節(jié)子圖進行子圖融合；（4）圖像融合。根據(jù)上述計算結(jié)果，選擇LH2、HL2、HL3和LH3子圖進行圖像融合。融合結(jié)果有效的抑制了正常
解后，可以得到近似細節(jié)子圖、水平細節(jié)子圖、垂直細節(jié)子圖和對角線細節(jié)子圖；選擇子圖進行融合可以增強圖像的缺陷。1.1帶鋼圖像的小波分解帶鋼圖像主要是由正常背景紋理和缺陷組成的，而帶鋼缺陷是正常紋理的突變。因此，背景紋理和缺陷的頻率是不同的。通過小波分解后進行選擇性重構(gòu)可以有效地抑制正常紋理，突出缺陷信息[10-11]。當對帶鋼圖像進行分解時，應(yīng)該選擇具有緊支性，高消失矩和良好對稱性的小波。因此，本文選擇sym2小波進行圖像分解。帶鋼缺陷圖像如圖2所示。圖2帶鋼圖像帶鋼圖像的小波分解如圖3所示。(a)第一層小波分解(b)第二層小波分解(c)第三層小波分解圖3帶鋼圖像的小波分解其中LL、LH、HL、和HH分別表示近似細節(jié)子圖、水平細節(jié)子圖、垂直細節(jié)子圖和對角線細節(jié)子圖。1.2帶鋼子圖的選擇由于正常紋理信號是規(guī)則的，小波分解的細節(jié)子圖接近零值。然而帶鋼缺陷是正常紋理信息的突變，屬于奇異信號，通過小波分解，其相應(yīng)的細節(jié)子圖能量會增大。因此，選擇那些能量大于正常細節(jié)子圖的細節(jié)子圖進行融合，通過抑制正常紋理，突出帶鋼缺陷信息。小波分解的子圖能量用公式（2）表示：1|(,)|MNxyEfxyMN（2）其中，f(x,y)是像素(x,y)的灰度級，MN是子圖的尺寸。對角線子圖能量較小，并包含大量的噪聲，因此只考慮水平子圖和垂直子圖能量進行圖像融合。1.3帶鋼子圖的融合（1）計算標準圖像nE的細節(jié)子圖能量；（2）計算測試圖像tE的細節(jié)子圖能量；（3）通過比較nE和tE，選擇能量較大的細節(jié)子圖進行子圖融合；（4）圖像融合。根據(jù)上述計算結(jié)果，選擇LH2、HL2、HL3和LH3子圖進行圖像融合。融合結(jié)果有效的抑制了正常背景紋理信息，如圖4所示。(a)融合結(jié)果(b)融?
【作者單位】： 西安工程大學計算機科學學院;西安工程大學機電工程學院;
【基金】：陜西省教育廳科研計劃資助項目(No.16JK1334) 中國紡織工業(yè)聯(lián)合會科技項目(No.2016066)
【分類號】：TP391.41
【參考文獻】
相關(guān)期刊論文 前6條
1 王建紅;;基于零均值及零方差圖構(gòu)建的潤滑油磨粒檢測[J];軟件;2015年06期
2 韓英莉;洪英;;帶鋼表面缺陷的一種在線檢測識別算法研究[J];光電子·激光;2015年02期
3 胡慧君;李元香;劉茂福;梁文豪;;基于機器學習的帶鋼表面缺陷分類方法研究[J];計算機工程與設(shè)計;2014年02期
4 管聲啟;師紅宇;王燕妮;;基于圖像零均值化的帶鋼缺陷檢測[J];鋼鐵研究學報;2013年04期
5 湯勃;孔建益;王興東;侯宇;;基于遺傳算法的帶鋼表面缺陷特征降維優(yōu)化選擇[J];鋼鐵研究學報;2011年09期
6 管聲啟;石秀華;宋玉琴;;基于小波分解的織物疵點檢測[J];昆明理工大學學報(理工版);2009年01期
【共引文獻】
相關(guān)期刊論文 前10條
1 化春鍵;周海英;;聚類和優(yōu)化支持向量機的冷軋帶鋼表面缺陷分類[J];塑性工程學報;2016年05期
2 劉亞;胡慧君;劉茂福;;基于混合染色體的帶鋼缺陷圖像分類方法研究[J];計算機工程與科學;2016年06期
3 王誠誠;李文森;雷鳴;管聲啟;;基于目標特征的機械零件表面缺陷檢測方法[J];軟件;2016年04期
4 陳功;苗瑞;張潔;;基于PSO-SVM的帶鋼表面缺陷分類研究[J];內(nèi)蒙古大學學報(自然科學版);2015年04期
5 韓英莉;;帶鋼表面缺陷多維混合特征提取及識別[J];鋼鐵研究學報;2015年06期
6 王建紅;;基于零均值及零方差圖構(gòu)建的潤滑油磨粒檢測[J];軟件;2015年06期
7 葉宏武;;機械零件圖像表面瑕疵的檢測算法[J];輕工機械;2015年02期
8 韓英莉;洪英;;帶鋼表面缺陷的一種在線檢測識別算法研究[J];光電子·激光;2015年02期
9 徐帥華;陳龍龍;管聲啟;李婷;;視覺顯著性模型在帶鋼缺陷動態(tài)檢測中的應(yīng)用[J];西安工程大學學報;2014年06期
10 謝光偉;仲兆準;鐘勝奎;張運詩;漆鵬杰;;帶鋼表面圖像缺陷區(qū)域的分割方法[J];計算機系統(tǒng)應(yīng)用;2014年10期
【二級參考文獻】
相關(guān)期刊論文 前10條
1 楊立峰;張鎮(zhèn);劉薇娜;;基于MATLAB的磨粒流機床液壓系統(tǒng)的動態(tài)仿真[J];新型工業(yè)化;2014年10期
2 吳玉香;張景;王聰;;基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的轉(zhuǎn)子系統(tǒng)裂紋故障診斷[J];控制理論與應(yīng)用;2014年08期
3 楊達;王孝通;徐冠雷;戰(zhàn)勇強;;一種基于圖像分割和圖像拼接技術(shù)的全天空云量估計方法[J];新型工業(yè)化;2014年08期
4 張永志;董俊慧;;基于模糊C均值聚類的模糊RBF神經(jīng)網(wǎng)絡(luò)預測焊接接頭力學性能建模[J];機械工程學報;2014年12期
5 歐璐;于德介;;基于拉普拉斯分值和模糊C均值聚類的滾動軸承故障診斷[J];中國機械工程;2014年10期
6 陳國強;;基于GPU的圖像處理算法研究[J];軟件;2014年02期
7 秦華標;李雪梅;仝錫民;黃宇駒;;復雜環(huán)境下基于多特征決策融合的眼睛狀態(tài)識別[J];光電子.激光;2014年04期
8 李正周;陳靜;沈美容;侯倩;丁浩;金鋼;;基于混沌神經(jīng)網(wǎng)絡(luò)的海上目標圖像的海雜波抑制方法[J];光電子.激光;2014年03期
9 王勇;張騰;惲炅明;;液壓系統(tǒng)動態(tài)分析方法改進研究[J];新型工業(yè)化;2014年02期
10 胡慧君;李元香;劉茂福;梁文豪;;基于機器學習的帶鋼表面缺陷分類方法研究[J];計算機工程與設(shè)計;2014年02期
【相似文獻】
相關(guān)期刊論文 前10條
1 李莉萍;;新的3D缺陷檢測技術(shù)實現(xiàn)納米級快速檢測[J];計測技術(shù);2013年04期
2 楊建魯;一種簡便的介質(zhì)缺陷檢測方法[J];微電子學;1991年05期
3 肖慶;楊朝紅;宮云戰(zhàn);;提高靜態(tài)缺陷檢測精度方法[J];計算機輔助設(shè)計與圖形學學報;2010年11期
4 朱明巖;鄧洪亮;黃東輝;付思遠;;探地雷達在道路缺陷檢測中的應(yīng)用[J];山西建筑;2014年04期
5 ;KLA-Tencor新光罩檢測技術(shù)可執(zhí)行多缺陷檢測[J];電子與電腦;2008年10期
6 喻賓揚;王召巴;金永;;玻璃缺陷檢測新方法的研究[J];傳感器與微系統(tǒng);2008年08期
7 劉浩;劉春;胡存剛;;混合濾波器在玻璃瓶缺陷檢測中的應(yīng)用[J];電子測量與儀器學報;2007年03期
8 蔣艷軍;盧軍;陳建軍;;板栗圖像的去噪及缺陷檢測研究[J];農(nóng)產(chǎn)品加工;2008年09期
9 石強;陳陸建;;管道內(nèi)外壁缺陷檢測的研究[J];中小企業(yè)管理與科技(上旬刊);2010年05期
10 劉皓挺;王巍;史利民;;圖割模型在光纖熔接缺陷檢測中的應(yīng)用[J];紅外與激光工程;2012年11期
相關(guān)會議論文 前10條
1 楊德美;楊學志;;基于獨立分量分析高階統(tǒng)計量的紡織品缺陷檢測[A];全國第21屆計算機技術(shù)與應(yīng)用學術(shù)會議（CACIS·2010）暨全國第2屆安全關(guān)鍵技術(shù)與應(yīng)用學術(shù)會議論文集[C];2010年
2 于景蘭;于健;翁昌年;;探地雷達在橋梁缺陷檢測中的應(yīng)用初探[A];中國地球物理第二十一屆年會論文集[C];2005年
3 李兵;鄧善熙;李煥然;;計算機圖像處理技術(shù)應(yīng)用于晶振元件缺陷檢測[A];首屆信息獲取與處理學術(shù)會議論文集[C];2003年
4 趙漣漪;許寶杰;童亮;;在線玻璃缺陷檢測系統(tǒng)的研究[A];機械動力學理論及其應(yīng)用[C];2011年
5 何濤;吳永祥;李偉;吳慶華;鐘飛;;Hexsight視覺軟件包在串行端子缺陷檢測中的應(yīng)用[A];第六屆全國信息獲取與處理學術(shù)會議論文集（2）[C];2008年
6 曾理;郭海燕;蒲云;畢碧;;射線數(shù)字成像缺陷檢測技術(shù)研究[A];全國射線數(shù)字成像與CT新技術(shù)研討會論文集[C];2009年
7 蔡茂蓉;;PCB缺陷檢測系統(tǒng)的研究與實現(xiàn)[A];第三屆全國軟件測試會議與移動計算、柵格、智能化高級論壇論文集[C];2009年
8 潘敏;程良倫;;一種基于角點匹配的PCB板元件安裝缺陷檢測基準點定位算法[A];中國自動化學會中南六�。▍^(qū)）2010年第28屆年會·論文集[C];2010年
9 王國勛;彭怡;寇綱;石勇;;基于MCDM的軟件缺陷檢測算法評估[A];經(jīng)濟全球化與系統(tǒng)工程——中國系統(tǒng)工程學會第16屆學術(shù)年會論文集[C];2010年
10 劉松林;陳杰;郝向陽;西勤;;玻殼缺陷檢測與幾何量測視覺系統(tǒng)的設(shè)計與實現(xiàn)[A];2009年全國測繪儀器綜合學術(shù)年會論文集[C];2009年
相關(guān)重要報紙文章 前1條
1 本報記者 張海志;一名產(chǎn)業(yè)工人的創(chuàng)新情結(jié)[N];中國知識產(chǎn)權(quán)報;2010年
相關(guān)博士學位論文 前10條
1 蘇日亮;面向鋼軌軌底缺陷檢測的電磁超聲換能器研究[D];哈爾濱工業(yè)大學;2015年
2 劉洪江;基于機器視覺的毛桿缺陷檢測技術(shù)的研究[D];廣東工業(yè)大學;2011年
3 肖慶;提高靜態(tài)缺陷檢測精度的關(guān)鍵技術(shù)研究[D];北京郵電大學;2012年
4 張大林;靜態(tài)缺陷檢測優(yōu)化若干關(guān)鍵技術(shù)研究[D];北京郵電大學;2014年
5 周文;IC互連中的缺陷檢測方法及缺陷對電路可靠性的影響[D];西安電子科技大學;2010年
6 司小書;面向織物缺陷檢測的CUDA并行圖像處理模型與算法研究[D];武漢大學;2011年
7 劉艷;基于CCD掃描的聚合物薄膜缺陷檢測關(guān)鍵技術(shù)研究[D];哈爾濱理工大學;2009年
8 王慶香;基于小波的紋理分析及其在FPC金面缺陷檢測中的應(yīng)用[D];華南理工大學;2011年
9 明俊峰;羽毛片缺陷檢測若干關(guān)鍵技術(shù)的研究[D];廣東工業(yè)大學;2014年
10 畢昕;面向TFT-LCD制程的Mura缺陷機器視覺檢測方法研究[D];上海交通大學;2009年
相關(guān)碩士學位論文 前10條
1 陳宇;軟包商標印刷缺陷檢測系統(tǒng)研究[D];昆明理工大學;2015年
2 周艷;光通信濾光片外觀缺陷自動檢測系統(tǒng)任務(wù)調(diào)度優(yōu)化方法[D];華南理工大學;2015年
3 黃文軍;基于機器視覺的印字缺陷檢測系統(tǒng)研究與實現(xiàn)[D];五邑大學;2015年
4 陳洪磊;基于寬頻信號的板中缺陷檢測[D];上海應(yīng)用技術(shù)學院;2015年
5 章玲;基于圖像放縮算法的輪胎缺陷檢測系統(tǒng)研究與實現(xiàn)[D];山東大學;2015年
6 劉博;基于電磁超聲Lamb波換能器陣列的板材檢測方法研究[D];哈爾濱工業(yè)大學;2015年
7 劉振東;鋼芯傳送帶缺陷檢測系統(tǒng)中圖像處理算法研究[D];山西大學;2015年
8 胡sズ
本文編號：2548122
本文鏈接：http://sikaile.net/kejilunwen/ruanjiangongchenglunwen/2548122.html
