matlab非线性扩散与图像差分,一种非线性扩散与图像差分的金属表面缺陷检测方法...

Received:2018-02-04;Revised:2018-04-15Fund:Supported by Natural Science Foundation of China(51575245,61741101),Natural Science Foundation of Education Department of AnhuiProvince(KJ2016A753),Natural Science Foundation of Anhui Province(1608085QF154),Science and Technology Key Project of Anhui Prov-ince(1604a0902125),Education Center Project of Automotive Engineering Practice of Anhui Province(2014sjjd074)金属产品已经成为了人们生活中必不可少的物品。随着人们生活水平的不断提升,人们对金属产品的要求也越来越高。由于金属产品生产制造过程中,受设备精度、原材料的成分以及生产工艺等的制约,难免会使得金属产品的表面存在划痕、锈斑以及裂纹等缺陷。这些缺陷会使金属产品的抗氧化性以及耐用性受到较大的影响,从而降低金属产品的质量[1]。由此可见,对金属产品表面缺陷进行检测尤为重要。计算机科学技术突飞猛进的发展为金属产品表面缺陷检测提供了良好的环境,借助于计算机科学技术,金属产品表面缺陷检测变得便捷而高效,这为制造高质量的金属产品提供了有利的保障。近些年,通过国内外研究人员的不断努力,表面缺陷检测技术取得了飞跃式的进步,出现了各种各样的检测方法。Sun等人[2]利用主成分分析方法中的奇异值分解法对钢带表面缺陷进行检测,通过构造图像的灰度矩阵,然后对矩阵中元素的投影情况进行判断,从而实现对钢带表面缺陷的检测。虽然基于奇异值分解的方法能够对刚带表面缺陷进行检测,但由于奇异值分解方法在对背景区进行抑制的同时,也将缺陷区的强度进行了削减,导致检测到的缺陷区域精度不高。李明等人[3]将支持向量机技术用于金属表面缺陷的检测,通过对金属表面图像进行小波尺度提取后,再通过支持向量机对金属表面缺陷进行检测,最后通过实验分析证明了该方法的有效性。但由于支持向量机不能够精确地对噪声引起的伪缺陷进行区分,导致该方法的检测正确度有所下降。Nirbhar等人[4]利用全局自适应的百分比阀值来实现对钢带表面缺陷的检测,但由于该方法对阀值的调整过程中忽略了钢带表面图像的局部特性,未能较好地对缺陷边缘进行识别,导致检测结果中存在一定的错误检测等不足。本文设计了一种利用非线性扩散与图像差分技术对金属表面缺陷进行检测的方法。该方法采用自适应中值滤波方法对金属表面图像进行去噪处理,利用改进的P-M非线性扩散方法,在维持非缺陷区平滑度不变的情况下,对去噪后图像中的缺陷区域进行平滑化,并通过原始图像与扩散后图像的差分运算增强缺陷区对比度。然后将差分图像进行二值化,实现对金属表面缺陷的检测。最后通过实验验证了本文所设计方法对金属表面缺陷检测的有效性与正确性。1金属表面缺陷检测方法设计1.1自适应中值滤波在金属表面图像的采集以及传送过程中难免会受到噪声的干扰。自适应中值滤波在设定的A、B两层进行计算,不仅实现了对图像噪声进行快速去除的效果,而且还保护了图像的细节信息[5]。为了避免噪声对表面缺陷区域检测造成不良影响,采用自适应中值滤波方法将图像噪声去除。设K为以像素点p(i,j)为中心的一个中值检测窗口,Gp(i,