结合全局和随机局部频率调谐的复杂纹理表面缺陷检测.pdf

《结合全局和随机局部频率调谐的复杂纹理表面缺陷检测.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第32卷第2期陕西科技大学学报Vo1．32NO．22014年4月JournalofShaanxiUniversityofScience＆TechnologyADr．2014文章编号：1000—5811(2014102—0152—04结合全局和随机局部频率调谐的复杂纹理表面缺陷检测李健，陈海丰，吴华(陕西科技大学电气与信息工程学院，陕西西安710021)摘要：针对复杂纹理表面缺陷检测过程中缺陷区域大小不一、受自身纹理干扰大等问题，提出了一种将全局频率调谐和随机局部频率调谐相结合的缺陷检测新方法．该方法首先对整幅图像进行频率调谐以得到全局显著图；然后对随机局部分块图像进行频率调谐以得到局部显著图；

2、接着将这两类显著图相融合得到综合显著图；在此基础上。通过对综合显著图进行阂值分割以实现对缺陷区域的检测．实验表明，该方法可以抑制自身纹理，同时完整突出大小不一的缺陷目标，在提高检测准确度的同时，没有降低检测的实时性。与传统方法相比有较强的优越性．关键词：机器视觉；缺陷检测；频率调谐；显著图中图法分类号：TP391文献标识码：AThedefectdetectionforrandomtexturesurfacecombinedwiththewholeandrandomlypartialfrequencytunedLIJian．CHENHai—feng。WUHua(C。llegeofE1ectric

3、alandInformationEngineering，ShaanxiUniversityofScience&Technology，Xian710021，China)Abstract：Thispaperproposesanewdefectdetectionmethod，whichcombinesthewholefre—quencytunedwiththerandomlypartialfrequencytuned，tosolvetheproblemofthedifferentdefectsize，thestronginterferencebyitsowntexturearisingintheco

4、urseofdefectdetec—tion．Bytakingthefrequencytunedofthewholeimageandtherandompartialblocks，weob—tainedthecombinationoftheglobalsignificantmapandthepartialsignificantmap，namedintegratedsaliencymap．Segmentingthresholdofthismapcanachievethedetectionforde—fectareas．Experimentshowsthatthismethodhasthebette

5、rreal—time．Notonlycanitre—strainthetexture，butitisabletoprotrudedefecttargetsaswel1．Comparedwiththetradi—tionalmethods，ithascertainsuperiority．Keywords：machinevision；defectsdetection；frequencytuned；saliencymap收稿日期：2014-01—04基金项目：陕西省教育厅专项科研计划项目(11]K1065)；温州市科技合作项目(H20090045)作者简介：李N~(1975-)，男，陕西渭南人，教授

6、，博士，研究方向：计算机视觉、数字图像处理第2期李健等：结合全局和随机局部频率调谐的复杂纹理表面缺陷检测·153·分别对本文所要用到的相关理论和方法做以介绍．0引言1．1显著性度量方法——频率调谐方法随着计算机技术的发展，机器视觉被越来越多对输人的图像，(z，_y)，首先对其进行高的引入到工业生产中，不但可以提高生产效率和产斯平滑，以便消除细小的纹理细节以及噪音和编码品质量，还可以降低成本l_1]．目前，机器视觉已经成失真．功应用于一些表面纹理较为规则的刚体表面缺陷，G(z，)一I(x，)×G(1)检测中]，但难以应用在复杂纹理干扰的表面缺陷G表示q×q的高斯平滑滤波器，为降低对检测上L3]，

7、如皮革、特殊纸类等．小目标的影响，尺寸选为3×3．近年来，随着生物技术的发展，人们对视觉感考虑到Lab空间具有与人类心里视觉空间相知机制作了大量的研究和应用．张学武等人提出了似的特点，因此，将图像。(z，)转换到Lab颜色基于仿生机理的铜带表面缺陷检测方法]，该方法空间，记为。(z，)并提取各通道分量，记为运用Itti视觉注意模型[5]，并结合离散可观测马尔L。(Iz，)，n。(，)，bG(z，)