镀锌板表面缺陷分割算法研究

论文摘要

纹理图像分割是连接低级视觉和高级视觉的桥梁和纽带,是大多数视觉系统中最为重要的环节之一,其结果决定了高级视觉中各种应用的最终输出质量。镀锌板图像作为一种复杂的纹理图像,其表面纹理缺陷分割是质量检测系统中至关重要的环节,缺陷分割的高效性、准确性将直接影响后续的分类和识别。本文基于图像处理技术,针对镀锌板图像纹理特点,阐述了几种有效的分割算法:将基于频谱残差的分析方法应用于镀锌板表面缺陷分割,并进行了改进,探索了它在纹理图像分割中的应用。通过去除待分割图像对数频谱中的平均成分,从而忽略图像中频繁出现的纹理特征,突出那些异常的纹理区域。提出了一种基于一维最优Gabor滤波器的镀锌板表面缺陷分割算法。Gabor滤波器具有良好的空间-频率域局部特性,有效地结合了图像的空间、频率域特征。本文中首先将二维图像信号压缩为一维信号,然后设计了一种基于一维最优Gabor滤波器的缺陷分割算法模型,这种算法可以广泛地应用于镀锌板、砂纸、皮革、木材等纹理图像的表面缺陷分割。对基于最优FIR滤波器的纹理图像分割算法的分割性能进行了详细的分析;从分割效果、鲁棒性及计算复杂度三方面,对该算法与本文介绍的算法进行了详细的对比分析,并得出以下结论:■基于频谱残差的缺陷分割算法能很好地定位和分割缺陷,对缺陷的方向、光照不均等影响因素,具有很强的适应性;该算法原理简单,运算速度较快,是一种非监督的分割算法。■单通道FIR滤波器的分割效果严重地依赖于训练时使用的缺陷纹理,鲁棒性较差。多通道FIR滤波器的分割性能不随缺陷大小、方向和背景粗糙度的改变而影响分割质量,具有很强的鲁棒性。但是,在训练过程中需要大量的缺陷纹理信息支持,并且如何将各通道的信息有效地融合使分割的结果达到最优,完全靠经验。■基于一维最优Gabor滤波器的分割算法具有良好的局部特性,对各种缺陷的分割结果优于或接近多通道FIR滤波器的分割结果,具有很强的鲁棒性,并且在训练学习过程中,不需要预知任何缺陷纹理信息。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 本课题的研究背景及意义
• 1.2 纹理图像分割的研究现状
• 1.3 研究的难点
• 1.4 本文的主要内容与组织结构
• 1.5 本章小结
• 第二章 纹理图像分割及评价概述
• 2.1 纹理图像分割
• 2.1.1 基于统计的分割方法
• 2.1.2 基于模型的分割方法
• 2.1.3 基于频域的分割方法
• 2.1.4 基于模板卷积的分割方法
• 2.2 图像分割评价
• 2.2.1 分析法
• 2.2.2 实验法
• 2.3 本章小结
• 第三章 基于频谱残差的纹理缺陷分割
• 3.1 频谱残差模型
• 3.1.1 图像的对数频谱描述
• 3.1.2 从频谱残差提取图像异常信息
• 3.1.3 缺陷纹理区域提取
• 3.2 实验结果及分析
• 3.3 本章小结
• 第四章 基于一维最优GABOR滤波器的纹理缺陷分割
• 4.1 一维Gabor滤波器缺陷分割模型的引出
• 4.2 基于一维最优Gabor滤波器的缺陷分割
• 4.2.1 二维图像信号的一维圆周投影描述
• 4.2.2 基于一维最优Gabor滤波器的分割模型设计
• 4.2.3 模型参数优化
• 4.3 实验结果及分析
• 4.4 本章小结
• 第五章 算法对比与分析
• 5.1 基于最优FIR滤波器的缺陷分割简介及分析
• 5.1.1 算法原理简介
• 5.1.2 性能分析
• 5.2 算法对比分析
• 5.2.1 分割效果对比
• 5.2.2 鲁棒性对比
• 5.2.3 运算速度对比
• 5.2.4 算法评价
• 5.3 各分割算法的特点总结
• 5.4 本章小结
• 第六章 总结
• 6.1 本文的主要内容及贡献
• 6.2 后续工作
• 致谢
• 参考文献
• 攻硕期间取得的研究成果