基于圖像處理的航空構(gòu)件缺陷檢測(cè)技術(shù)研究.pdf

1、航空構(gòu)件缺陷檢測(cè)的主要目的是保證航空構(gòu)件產(chǎn)品的質(zhì)量與性能，避免因構(gòu)件出現(xiàn)缺陷最終導(dǎo)致航空設(shè)備失效，出現(xiàn)安全事故。近年來(lái)，利用數(shù)字圖像處理對(duì)各類(lèi)缺陷進(jìn)行自動(dòng)檢測(cè)的研究已經(jīng)受到各國(guó)學(xué)者的重視。但是，由于缺陷圖像邊緣模糊、對(duì)比度較低等因素造成缺陷漏檢、誤判的現(xiàn)象，降低了缺陷的檢測(cè)效率。因此，本文主要研究缺陷檢測(cè)技術(shù)中的圖像增強(qiáng)、圖像分割與缺陷提取、缺陷特征描述與分類(lèi)識(shí)別等內(nèi)容。主要工作如下：
　　(1)針對(duì)各向異性擴(kuò)散模型對(duì)圖像去噪增強(qiáng)

2、時(shí)易出現(xiàn)邊緣模糊、振鈴效應(yīng)等問(wèn)題，提出了一種新的基于局部邊緣特征的自適應(yīng)雙向擴(kuò)散模型。該模型在四方向的梯度和拉普拉斯算子的基礎(chǔ)上，首先對(duì)圖像邊緣的結(jié)構(gòu)特征進(jìn)行深入研究，以此區(qū)分出圖像的平坦區(qū)域與邊緣區(qū)域，然后針對(duì)各個(gè)區(qū)域的特征選擇不同的擴(kuò)散策略，使得該模型既能濾除噪聲又能銳化圖像的邊緣細(xì)節(jié)。實(shí)驗(yàn)結(jié)果表明，與PM、CBDF和ABDF三種擴(kuò)散模型相比，該模型能夠有效地提升圖像的對(duì)比度，增強(qiáng)缺陷的邊緣細(xì)節(jié)。
　　(2)由于傳統(tǒng)模糊C均值

3、聚類(lèi)算法的模糊隸屬度矩陣結(jié)構(gòu)單一，且忽略了相鄰像素的相關(guān)性，使得圖像的分割結(jié)果不理想。雖然隨后改進(jìn)的各種聚類(lèi)算法改善了分割效果，但運(yùn)行效率偏低。因此，本文提出了一種基于分層的直覺(jué)模糊C均值聚類(lèi)算法。首先，利用圖像的隱含信息引入分層技術(shù)將圖像劃分為多個(gè)不同區(qū)域，計(jì)算其相應(yīng)的聚類(lèi)中心；然后，利用圖像鄰域像素之間的關(guān)聯(lián)性，構(gòu)造融合像素相關(guān)性和直覺(jué)模糊隸屬度矩陣的目標(biāo)函數(shù)，求解直覺(jué)模糊隸屬度矩陣；最后，修正圖像分層，直到符合聚類(lèi)要求。實(shí)驗(yàn)結(jié)果表