论文摘要
数字图像处理技术主要研究利用计算机完成各种图像信息处理的基本理论和方法。目前,数字图像处理技术已广泛应用于国防、工业检测、医疗诊断、智能机器人、交通、通讯、地质等领域。随着汽车、电子、家电等行业的迅猛发展,市场对带钢产品的需求越来越大,质量的要求也越来越高。板形质量是钢板轧制生产过程中的一个重要控制指标和决定其市场竞争力的重要因素,因此,钢板板形识别技术在钢板轧制生产过程中占据非常重要的地位。从当前钢铁企业中钢板板形识别技术的实际应用情况来看,主要还是利用钢板轧制过程中钢板的内应力分布间接地得到钢板板形状况,由于外界条件的变化和传感器自身的因素决定了这种检测技术的可靠性不能完全得到保证。因此如何有效地检测出冷轧钢板的板形质量便成为生产上亟待解决的问题,对其进行研究显得很有必要。文章针对某大型钢铁集团的冷轧薄板生产线实际情况,基于目前的钢板板形理论和模式识别理论,认真分析和研究了数字图像处理技术在钢板板形识别中的应用。文章详细介绍了图像处理技术——图像去噪（中值滤波法、邻域平均法、梯度倒数加权法）和图像边缘检测技术,即一阶算子（Sobel算子、Roberts算子、Prewitt算子）、二阶算子（Kirsch算子和Laplacian算子）、LoG算子、Canny算子,对其进行理论和实际应用研究,将处理结果进行对比分析,指出各算法优缺点。近年来迅速发展起来的小波理论,因具有时频局部变换及多尺度等特性,能敏感地反映突变信号及良好的去噪,所以能准确有效地确定图像边缘,是一种理想的边缘检测方法。本文通过对小波基进行静态小波变换（SWT）提升来构造滤波器,探索基于多尺度分析和尺度相关性的小波边缘检测方法的应用。本文用CCD摄像机、图像采集卡、工控机等相关硬件,以Visual C++6.0为软件开发平台,开发出一套板形识别系统。系统将输入图像进行滤波去噪,采用Canny算子检测图像边缘,提取特征量和设计神经网络作为分类器对板形进行识别。该系统设备结构简单,能满足大部分冷轧薄板生产线的板形识别要求,成功实现板形的非接触检测识别。实验表明,系统可以比较高效地识别出冷轧薄板常见的五种缺陷。