欢迎来到天天文库
浏览记录
ID:58307011
大小:656.75 KB
页数:6页
时间:2020-05-20
《钢轨表面缺陷检测的图像预处理改进算法-论文.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26卷第5期计算机辅助设计与图形学学报VO1.26NO.52014年5月JournalofComputer—AidedDesign8LComputerGraphicsMay2014钢轨表面缺陷检测的图像预处理改进算法袁小翠,吴禄慎,陈华伟(南昌大学机电工程学院南昌330031)(wulushen@163.corn)摘要:由于线阵相机拍摄的图像光照不均、对比度低,使得钢轨表面离散缺陷检测成为机器视觉检测的难点,为此提出局部非线性对比度增强法和改进最大熵阈值分割法对钢轨图像进行预处理.该算法将局部区域内相对较低的灰度级映射
2、到更低的范围,相对较高的灰度级映射到更高的范围,实现对比度拉伸;通过分析图像的目标熵、背景熵、灰度概率分布曲线,使用图像目标熵最大、目标概率较小的改进最大熵阈值分割法对图像进行分割,得到包含噪声相对较少的图像.实验结果表明,文中提出的非线性对比度图像增强算法简单、快速、有效,而且增强效果与光照无关;与原始的最大熵、目标最大熵、0STU阈值分割法相比,改进的最大熵分割阈值较小,分割后的图像包含的噪声少;改进的预处理算法对测试图像的漏检率和误检率分别是6.2和7.3.关键词:机器视觉;钢轨表面缺陷;图像增强;最大熵中图法分类
3、号:TP277ImprovedImagePreprocessingAlgorithmforRailSurfaceDefectsDetectionYuanXiaocui.WULushen.andChenHuawei(SchoolofMechanicalandElectricalEngineering,NanchangUniversity,Nanchang330031)Abstract:Itisachallengetodetectdiscretedefectsinavisionsystembecauseofilluminat
4、ioninequalityandlowcontrastofrailimageswhichobtainedbylineararraycamera.Thispaperpresentsalocalnon—linearcontrast(LNC)enhancementandanimprovedmaximumentropy(IME)thresholdsegmentationtopreproeessimages.LNCenhancesthecontrastbymappingrelativelylowgrayleveltolowergr
5、aylevel,highgrayleveltohighergrayleve1.Byanalyzingcurvesofobjectsentropy,backgroundentropyandgray—levelprobabilitydistributionofimage,weproposedIMEalgorithmtosegmenttheimagewhichselectsathresholdthatmaximizestheobjectentropyandmeanwhilekeepstheobjectproportionina
6、lowlevel,therefore,thepre—processedimagescontainlessnoise.TheexperimentalresultsdemonstratethattheLNCalgorithmiseasytoimplementandenhancestheimagefastandeffectively.What’Smore,itisilluminationindependent.IMEsegmentsimagewithsmallerthresholdandlessnoisecomparedwit
7、hmaximumentropy,objectentropyandOSTUthresholdsegmentationmethods.Theundetectedrateandfalsedetectionrateofimprovedpreprocessingalgorithmsfortestimagesis6.2and7.3%,respectively.Keywords:machinevision;railsurfacedefect;imageenhance;maximumentropy随着铁路向高速及重载方向发展,加剧了对钢
8、此必须对钢轨进行仔细检查并维护.钢轨表面缺陷轨的磨损,而钢轨表面缺陷威胁着轨道行车安全,因可以简单地分为表面波纹缺陷和表面离散缺陷2种.收稿日期:2013-03—29;修回日期:2013-08—27.基金项目:国家自然科学基金(51065021).袁小翠(1988一),女,博士研究生,主要研究方向为光机电一体化技术;
此文档下载收益归作者所有