基于機器視覺的單板表面缺陷實時檢測系統(tǒng),通過單板圖像檢測單板表面的缺陷種類及面積,并對單板分級評價。而在傳送帶上高速運動的單板,使采集到的圖像出現(xiàn)模糊現(xiàn)象,導致單板表面缺陷實時檢測系統(tǒng)無法準確識別缺陷種類和精確計算缺陷面積。圖像復原方法作為該問題的有效解決方案,可以避免高昂的硬件成本。但由于運動單板圖像中包含復雜的噪聲,且運動模糊核較小,所以傳統(tǒng)圖像復原方法無法達到很好的圖像復原效果。為實現(xiàn)運動模糊單板圖像的高效復原,本文對基于神經(jīng)網(wǎng)絡的圖像復原方法展開研究。本文的主要研究及工作內(nèi)容如下:1.建立了單板圖像數(shù)據(jù)集。在分析了工業(yè)生產(chǎn)與研究內(nèi)容的需求后,設計了單板圖像采集系統(tǒng)結構。依據(jù)系統(tǒng)設計進行硬件選型和軟件開發(fā),完成單板圖像采集系統(tǒng)搭建。再利用旋切單板生產(chǎn)線制備實驗用單板,并通過搭建好的單板圖像采集系統(tǒng)采集單板圖像。對單板圖像進行裁剪、旋轉、標注、分類等處理后,建立包含2080組模糊-清晰單板圖像對的單板數(shù)據(jù)集。2.研究了傳統(tǒng)圖像復原方法和基于神經(jīng)網(wǎng)絡的圖像復原方法�；诮芁0范數(shù)的傳統(tǒng)圖像復原方法通過迭代求解模糊核,再由解卷積得到復原圖像。因為現(xiàn)實場景中的圖像往往由復雜的原因導致模... 

【文章來源】：北京林業(yè)大學北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：73 頁

【學位級別】：碩士

【部分圖文】：

運動單板

面向單板表面缺陷實時檢測的運動模糊圖像復原方法2品質量的重要原因之一就是單板表面缺陷。單板表面缺陷會直接影響單板產(chǎn)品的強度、外觀及檔次，單板表面缺陷檢測對木材加工過程中的單板材質評定、質量控制及產(chǎn)品分級均具有重要意義，所以檢測并剔除單板表面缺陷是膠合板加工過程中的重要環(huán)節(jié)。02004006008001000201020112012201320142015201620172018膠合板單價/（美元/m3）時間/年出口進口圖1.2中國歷年膠合板進出口均價（2010年-2018年）Figure1.2TheyearlyaverageimportandexportpriceofplywoodinChina(from2010to2018)（a）（b）（c）圖1.3運動單板圖像出現(xiàn)模糊Figure1.3Blurinveneersheetimage（a：單板表面缺陷實時檢測系統(tǒng)；b：運動單板圖像；c：單板圖像細節(jié)）(a：Real-timedefectdetectionsystemforveneersheetssurface；b：Movingveneersheetsimage；c：Imagedetail)

卷積的模糊核估計與圖像復原在同一階段進行，兩者交替迭代并輸出最終結果。這種方法通常利用圖像的梯度先驗、邊緣先驗或灰度先驗等建立正則化模型，以此為基礎的復原圖像質量相對較高。文獻（Xuetal.,2013）提出了一種基于近似L0范數(shù)的自然模糊圖像復原方法，對現(xiàn)實場景出現(xiàn)的均勻模糊和非均勻模糊都有較好的復原效果，在控制振鈴效應產(chǎn)生的同時能夠將復雜的運動模糊圖像復原效果大幅提升，使傳統(tǒng)圖像復原方法在現(xiàn)實場景中的應用成為可能。文獻（李壘，2014）提出了字典遷移的稀疏正則化運動立木模糊圖像恢復方法，結果示例如圖1.4所示，在解決振鈴效應上表現(xiàn)出了很好的效果。1.2.2基于神經(jīng)網(wǎng)絡的圖像復原方法研究現(xiàn)狀隨著機器學習的發(fā)展，越來越多的研究者嘗試將神經(jīng)網(wǎng)絡模型應用到圖像復原的任務中，起初用神經(jīng)網(wǎng)絡替代原有的圖像去噪方法或解卷積過程成為對傳統(tǒng)圖像復原方法進行優(yōu)化的主要方向。文獻（Jainetal.,2008）使用只有4層卷積層的神經(jīng)網(wǎng)絡模型進行圖像復原，經(jīng)實驗驗證，簡單的神經(jīng)網(wǎng)絡模型在圖像復原任務中并不能達到理想的效果。文獻（JainandSeung,2013）將圖像預處理與多層感知器模型結合，首先將模糊圖圖1.4文獻（李壘，2014）樣張Figure1.4Samplesinarticle(Li,2014)（a模糊圖像）（b清晰圖像）

【參考文獻】：
期刊論文
[1]盲去模糊的多尺度編解碼深度卷積網(wǎng)絡[J]. 賈瑞明,邱楨芝,崔家禮,王一丁.  計算機應用. 2019(09)
[2]多尺度卷積神經(jīng)網(wǎng)絡的噪聲模糊圖像盲復原[J]. 劉鵬飛,趙懷慈,曹飛道.  紅外與激光工程. 2019(04)
[3]面向工業(yè)檢測的圖像快速去直線運動模糊方法[J]. 朱非甲,金鵬.  哈爾濱工業(yè)大學學報. 2018(09)
[4]全參考圖像質量評價綜述[J]. 褚江,陳強,楊曦晨.  計算機應用研究. 2014(01)
[5]圖像質量評價方法研究進展[J]. 蔣剛毅,黃大江,王旭,郁梅.  電子與信息學報. 2010(01)
[6]圖像質量評價研究綜述[J]. 周景超,戴汝為,肖柏華.  計算機科學. 2008(07)
[7]基于PSNR與SSIM聯(lián)合的圖像質量評價模型[J]. 佟雨兵,張其善,祁云平.  中國圖象圖形學報. 2006(12)
[8]任意方向運動模糊的消除[J]. 王曉紅,趙榮椿.  中國圖象圖形學報. 2000(06)

博士論文
[1]艦載運動平臺紅外面陣圖像復原技術研究與實現(xiàn)[D]. 呂波.中國科學院大學(中國科學院上海技術物理研究所) 2017
[2]無規(guī)律運動條件下立木模糊圖像恢復方法研究[D]. 李壘.北京林業(yè)大學 2014

碩士論文
[1]基于多尺度卷積神經(jīng)網(wǎng)絡的圖像盲復原方法研究[D]. 仝雪俏.燕山大學 2019
[2]基于深度學習的運動模糊圖像復原方法研究與實現(xiàn)[D]. 鄭慧穎.南京信息工程大學 2019
[3]基于卷積神經(jīng)網(wǎng)絡的圖像模糊去除[D]. 任靜靜.安徽大學 2017
[4]基于卷積神經(jīng)網(wǎng)絡的圖像復原方法研究[D]. 蘭妙萍.江南大學 2017
[5]運動模糊圖像復原技術研究[D]. 閆永存.西華大學 2012
[6]運動模糊圖像復原算法研究[D]. 余恕梅.合肥工業(yè)大學 2012
[7]勻速直線運動模糊參數(shù)估計與圖像復原[D]. 劉玉明.華中科技大學 2011
[8]圖像質量評價及復原系統(tǒng)研究[D]. 陳浩.上海交通大學 2010
[9]運動模糊圖像恢復方法[D]. 楊勇杰.浙江大學 2010
[10]噪聲模糊圖像的盲復原及振鈴的消除[D]. 曲秀娟.大連理工大學 2008



本文編號：3241477