《Mean Shift-Based Defect Detection in Multicrystalline Solar Wafer Surfaces》
- 均匀纹理的表面通常在图像中呈现重复的、周期性的图案。因此,自相似特性可以很容易地作为缺陷检测的线索。
- Mean Shift(均值漂移)是基于密度的非参数聚类算法,其算法思想是假设不同簇类的数据集符合不同的概率密度分布,找到任一样本点密度增大的最快方向(最快方向的含义就是Mean Shift),样本密度高的区域对应于该分布的最大值,这些样本点最终会在局部密度最大值收敛,且收敛到相同局部最大值的点被认为是同一簇类的成员
- 均值漂移是一种非参数特征空间分析工具
使用核密度估计器寻找多维数据中的模式
步骤
- 计算空间窗口内梯度方向的熵,将灰度图像转换为熵图像
- 然后执行均值漂移平滑过程来去除
熵图像中的噪声和无缺陷纹理边缘。利用简单的自适应阈值,将滤波图像中可疑的边缘点识别为有缺陷的边缘点
(无缺陷区域的边缘方向更为一致,熵值较小。有缺陷的区域表示高
边缘方向的变化产生较大的熵值。对熵图像进行均值漂移滤波去除噪音和平滑无缺陷的颗粒边缘。然后利用一个简单的自适应阈值来区分滤波后的熵图像中有缺陷的边缘点和背景点。)