带钢表面缺陷边检测与分割.pdf

摘要 摘 要 目前冶金板带箔材料表面缺陷在线自动检测中主要采用的是计算机视觉技 术，实际检测过程中，为获取用于可识别的缺陷特征，关键一步是图像分割的成 功与否，而缺陷边缘检测是图像分割中最重要的一步。经过以往的研究结果表明， 真正制约基于计算机视觉在线自动检测系统对于客观事物的理解程度的根本因素 在于对于底层和中层图像处理方法和理论上遇到了很大的困难，许多问题还有待 于进一步的研究和解决。底层图像处理主要包括对数字图像的去噪、对比度增强、 锐化、图像复原等前端处理。中层图像处理主要包含边缘检测、图像分割、目标 特征描述等。 图像边缘检测的框架不外乎两种，即传统的基于图像灰度特征的算法和基于 小波的多尺度边缘检测算法。经典边缘检测算子现在已比较成熟，但因其自身原 理的限制，其适用性和抗噪能力都不强。另一类是利用小波的多尺度变换以及在 小波变换下信号和噪声的Lipschits 指数的区别来提取对我们有用的边缘信息，并 除去噪声的干扰。 本文在第一章对板带表面检测技术作了简介，阐述论文选题的重要性，论述 了小波分析在该技术领域应用的理由；第二章从带钢表面缺陷图像的成像过程分 析该类图像的特点和缺陷边缘的模型，介绍经典边缘算子并给出仿真结果；第三 章，介绍小波理论的基础，设计小波收缩滤波器和基于相位一致性约束的多小波 滤波器。第四章，实现小波模极大值法和多尺度自适应阈值法在缺陷边缘检测中 的应用，检测的结果说明对于带钢表面多种缺陷边缘的提取均有比较好的效果， 并且符合人类的视觉系统特性。第五章尝试了基于统计的的缺陷检测方法，对于 板带表面图像在实时性和分割效果上均有比较好的效果。 相信本文对带钢表面缺陷边缘检测技术研究及应用有一定的参考价值。 关键词：图像恢复，边缘检测，缺陷分割，小波分析，相位一致性 I ABSTRACT ABSTRACT In the automatic defect detection of the surface of the metallurgy strip, the computer vision technology plays an more and morn importance role. During the detection process, one of key factors is image segmentation in which the most important step is detecting the edge of defection to obtain the defection features. Previous studies have shown that the great difficulty confronted in the image processing measures and theory, in the low and middle-level, become the fundamental matters, which determine how well the matter was understanded by the system of the computer vision online automatic defect detection, and a lot of problems need more research to solve. Low-level image processing maily include image noise reduction, contrast enhance 、sharpping 、 restoration ， while the middle-level image pracesing include the edge detection,segmentatio