基于特征的图像瑕疵检测算法研究与应用

论文摘要

随着生产和工艺的进步,人们对产品的质量要求越来越高,基于机器视觉的检测系统成为一种重要的质量控制手段。随着机器视觉的快速发展,检测系统的精度和速度成为机器视觉发展瓶颈。为了克服这个困难,提出基于特征的图像瑕疵检测算法。为了提高特征检测算法的稳定性,提出了两种预处理的改进算法。针对常规图像增强方法的适应性不足的缺点,提出了一种动态图像快速增强算法,根据灰度的分布区域,自动将图像灰度拉伸到理想位置,图像原最大灰阶像素的拉伸到255,而图像原最小灰阶像素缩小到0,其他灰阶按照原图灰度分布等比例变化。算法实验选用四种典型实验用图,并分别对低亮度和高亮度图像进行增强,实验结果表明,对不同亮度和不同类型的图像增强效果都比较理想,和常规的增强方法相比,适应性较强。针对常规图像去噪方法易导致图像模糊的缺点,提出了智能滤波算法,根据某个像素与该像素邻域之间的差值是否在某个阈值范围内,决定是否对该像素进行滤波处理。该法能在去除噪点的同时,保留图像的边缘。算法实验选用常见的中值滤波、高斯滤波与智能滤波算法对边缘信息丰富的图像进行滤波处理,实验结果表明,和常规的滤波方法相比,智能滤波算法边缘保留能力比较理想,时间复杂度也不高,实用性较强针对常规图像检测方法不能分辨图像瑕疵类型的缺点,提出一种基于特征的检测方法。根据待测图像的瑕疵分类,选择和提取待测图的检测特征集合,逐个分析和比较检测特征集合是否完全匹配,来对待测图进行瑕疵检测。由于只比较少量的特征数据,所以实现了快速和精确检测的目的。算法实验结果表明,特征检测算法可以根据特征的匹配信息对图像瑕疵进行分类,算法执行效率高。是解决良好图像检测中的精度和速度矛盾的一个思路,具有较高的应用价值。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景
• 1.2 课题的研究意义
• 1.3 图像检测算法研究现状
• 1.4 论文的主要工作
• 2 图像检测相关技术分析
• 2.1 检测系统构成
• 2.2 检测系统工作流程
• 2.3 检测原理
• 2.4 本章小结
• 3 基于特征提取的图像预处理算法
• 3.1 动态图像增强算法
• 3.2 智能滤波算法
• 3.3 本章小结
• 4 基于特征的图像检测算法
• 4.1 常见的印刷检测算法分析
• 4.2 基于特征的图像检测算法
• 5 总结与展望
• 5.1 全文总结
• 5.2 后续工作的展望
• 致谢
• 参考文献