帶鋼表面缺陷圖像中目標(biāo)區(qū)域的分割研究.pdf

1、帶鋼表面缺陷的分割是帶鋼表面缺陷檢測(cè)中至關(guān)重要的環(huán)節(jié)，缺陷分割的高效、準(zhǔn)確與否將直接影響后續(xù)的分類和識(shí)別，以及整個(gè)檢測(cè)系統(tǒng)的性能。由于帶鋼表面缺陷種類繁多，背景受光照不均，紋理不規(guī)則等因素的影響，很難找到一種有效且通用的帶鋼表面缺陷分割方法。因此本文對(duì)帶鋼表面缺陷圖像的分割方法進(jìn)行了深入的研究，并提出了基于凸優(yōu)化活動(dòng)輪廓模型的帶鋼表面缺陷分割方法。
　　本論文的主要研究?jī)?nèi)容及成果如下:
　　(1)通過概述帶鋼表面缺陷在線檢測(cè)

2、系統(tǒng)的基本要求，給出了一種帶鋼表面缺陷在線檢測(cè)系統(tǒng)基本流程，將檢測(cè)系統(tǒng)分為兩大部分:“實(shí)時(shí)處理”和“準(zhǔn)時(shí)處理”。在保證較低的漏檢率和誤檢率的同時(shí)，又能滿足檢測(cè)系統(tǒng)實(shí)時(shí)性的要求，本文采用簡(jiǎn)單的快速檢測(cè)方法和準(zhǔn)確的目標(biāo)區(qū)域分割方法相結(jié)合的思路，以滿足檢測(cè)系統(tǒng)的實(shí)時(shí)性要求，同時(shí)又保證較低的漏檢率和誤檢率。即使用簡(jiǎn)單的圖像灰度投影的快速檢測(cè)方法可以滿足檢測(cè)系統(tǒng)的實(shí)時(shí)性要求，同時(shí)，使用較為準(zhǔn)確的基于活動(dòng)輪廓模型的目標(biāo)區(qū)域分割方法，用以保證較低的漏

3、檢率和誤檢率。
　　(2)針對(duì)Chan-V模型和LBF模型存在的對(duì)初始輪廓位置敏感、運(yùn)行速度較慢等問題給出了一個(gè)有效的改進(jìn)方案，提出了基于凸優(yōu)化的活動(dòng)輪廓模型(Convex ActiveContour Model)。該模型利用凸優(yōu)化技術(shù)將一個(gè)非凸問題轉(zhuǎn)變?yōu)榱送箖?yōu)化問題，并采用Split Bregman方法對(duì)問題進(jìn)行快速求解，從而解決了Chan-V模型和LBF模型對(duì)初始輪廓位置敏感的問題，同時(shí)該模型還利用了圖像局部信息，在灰度不均勻

4、的帶鋼表面缺陷圖像分割時(shí)取得了良好的效果。由于使用了Split Bregman求解方法，在運(yùn)行速度上較其他模型有較大提高，可以滿足帶鋼表面缺陷目標(biāo)區(qū)域分割的速度要求，為后續(xù)的特征提取與選擇，以及分類識(shí)別爭(zhēng)取了更多的時(shí)間。
　　(3)對(duì)帶鋼表面缺陷圖像中多目標(biāo)區(qū)域的分割進(jìn)行研究，采用Vese-C模型的分割方法對(duì)多相缺陷圖像的多目標(biāo)區(qū)域進(jìn)行分割，而對(duì)于兩相缺陷圖像的多目標(biāo)區(qū)域分割問題，采用本文提出的基于凸優(yōu)化的活動(dòng)輪廓模型(CACM)