论文部分内容阅读
带钢表面缺陷的分割是带钢表面缺陷检测中至关重要的环节,缺陷分割的高效、准确与否将直接影响后续的分类和识别,以及整个检测系统的性能。由于带钢表面缺陷种类繁多,背景受光照不均,纹理不规则等因素的影响,很难找到一种有效且通用的带钢表面缺陷分割方法。因此本文对带钢表面缺陷图像的分割方法进行了深入的研究,并提出了基于凸优化活动轮廓模型的带钢表面缺陷分割方法。本论文的主要研究内容及成果如下：(1)通过概述带钢表面缺陷在线检测系统的基本要求,给出了一种带钢表面缺陷在线检测系统基本流程,将检测系统分为两大部分：“实时处理”和“准时处理”。在保证较低的漏检率和误检率的同时,又能满足检测系统实时性的要求,本文采用简单的快速检测方法和准确的目标区域分割方法相结合的思路,以满足检测系统的实时性要求,同时又保证较低的漏检率和误检率。即使用简单的图像灰度投影的快速检测方法可以满足检测系统的实时性要求,同时,使用较为准确的基于活动轮廓模型的目标区域分割方法,用以保证较低的漏检率和误检率。(2)针对Chan-V模型和LBF模型存在的对初始轮廓位置敏感、运行速度较慢等问题给出了一个有效的改进方案,提出了基于凸优化的活动轮廓模型(Convex Active Contour Model)。该模型利用凸优化技术将一个非凸问题转变为了凸优化问题,并采用Split Bregman方法对问题进行快速求解,从而解决了Chan-V模型和LBF模型对初始轮廓位置敏感的问题,同时该模型还利用了图像局部信息,在灰度不均匀的带钢表面缺陷图像分割时取得了良好的效果。由于使用了Split Bregman求解方法,在运行速度上较其他模型有较大提高,可以满足带钢表面缺陷目标区域分割的速度要求,为后续的特征提取与选择,以及分类识别争取了更多的时间。(3)对带钢表面缺陷图像中多目标区域的分割进行研究,采用Vese-C模型的分割方法对多相缺陷图像的多目标区域进行分割,而对于两相缺陷图像的多目标区域分割问题,采用本文提出的基于凸优化的活动轮廓模型(CACM)进行分割。并使用CACM模型对夹杂、划伤、麻点和抬头纹等四大类常见的两相缺陷图像的多目标区域进行分割实验,结果表明缺陷图像中的多目标区域都被准确地分割了出来,且可以满足带钢表面缺陷目标区域分割的速度要求。