图像采集
预处理
特征提取
缺陷分类
特征提取为其中的关键,缺陷特征提取的好坏直接影响检测的效果。
预处理的目的是减少图像的噪声,
提高目标与背景的对比度,
突出图像中的
缺陷特征。
小波技术在预处理中的应用:
1.
小波去噪
2.
小波融合
可以将不同角度拍摄的图像进行融合
采用小波融合方法既能够很好地保留几幅源图像基本信息,又能够突出图像
中的缺陷边缘、结构等高频信息,使融合后的图像信息更加全面、准确,图
像质量效果更加优良,全方位地表达了缺陷特征,可以为缺陷的进一步分类
识别提供充足的数据支持。
不具备明显纹理特征的图像检测
此类图像的特点为缺陷目标和背景对比度低,
瑕疵目标的形状比较复杂,
整
个瑕疵目标占整幅图像的比例非常小,受噪声影响大,图像没有纹理。
由于图像中无纹理,缺陷特征一般先用边缘检测算子提取缺陷区域的边缘,
在将其从目标图像中分割出来,提取其特征参数如周长,面积,质心,圆形度,
伸长度等,以此来进行缺陷检测和分类。
边缘检测算子:
1.
梯度算子
2.
LoG
算子
3.
canny
算子
边缘检测算子需要准确的提取瑕疵边缘,
又能抑制噪声的干扰,
同时该算法
还要具备快速、自适应性。需要寻找一种新或改进的算法。
为了辩识缺陷目标,
需要将其与源图像的背景中分离出来,
在此基础上进行
进一步的处理和分析。
图像分割的算法:
1.
阈值分割