基于變分PDE的單板缺陷圖像檢測(cè)及修補(bǔ)關(guān)鍵技術(shù)研究.pdf

1、單板質(zhì)量好壞直接影響了用單板制成的人造板材的強(qiáng)度及表面質(zhì)量和等級(jí),為了提高單板的等級(jí)和木材的利用率,目前通常采用人工對(duì)單板進(jìn)行缺陷檢測(cè)及缺陷挖切修補(bǔ),自動(dòng)化水平低,勞動(dòng)強(qiáng)度大、生產(chǎn)效率低,嚴(yán)重影響了經(jīng)濟(jì)效益,增加了生產(chǎn)成本。將機(jī)器視覺(jué)和機(jī)器人技術(shù)引入生產(chǎn),將可以有效地克服人工檢測(cè)修補(bǔ)所帶來(lái)的缺點(diǎn),對(duì)于提高我國(guó)人造板行業(yè)自動(dòng)化水平起到很好的推進(jìn)作用,具有重要的學(xué)術(shù)意義和應(yīng)用價(jià)值。本文基于變分和偏微分方程(PDE)的圖像處理、圖像修復(fù)技術(shù)及

2、機(jī)器人技術(shù),結(jié)合單板的特點(diǎn),對(duì)單板表面的缺陷進(jìn)行有效識(shí)別和修復(fù),形成一種單板節(jié)子的快速檢測(cè)、缺陷挖切和修補(bǔ)方法。論文主要研究?jī)?nèi)容與工作如下:
　　 本文主要對(duì)C-V模型進(jìn)行了改進(jìn),解決了C-V模型在多目標(biāo)分割以及復(fù)雜背景情況表示上的局限,以適應(yīng)單板缺陷圖像的多目標(biāo)分割。首先,將背景填充技術(shù)與改進(jìn)C-V模型及AOS半隱式方法相結(jié)合,提出了基于AOS格式的多相改進(jìn)C-V模型及背景填充耦合的單板缺陷分割算法,解決了單板缺陷圖像、木材缺

3、陷圖像的多目標(biāo)自動(dòng)分割問(wèn)題。第二,由于現(xiàn)有的圖像采集系統(tǒng)所獲取的多為矢量或彩色圖像,針對(duì)單板矢量或彩色圖像缺陷分割問(wèn)題,提出了基于AOS的多相改進(jìn)矢量C-V模型及背景填充的單板缺陷矢量圖像分割方法,將單板矢量圖像作為一個(gè)整體圖像進(jìn)行處理,實(shí)現(xiàn)了單板缺陷彩色圖像的多目標(biāo)分割問(wèn)題。第三,針對(duì)帶紋理單板缺陷彩色圖像,結(jié)合多通道Gabor濾波器、改進(jìn)矢量C-V模型,提出了多相改進(jìn)矢量CVV模型與Gabor濾波器的單板缺陷彩色圖像分割方法,解決了

4、帶紋理單板缺陷矢量圖像的多目標(biāo)識(shí)別問(wèn)題,得到了識(shí)別結(jié)果與原圖像相同的分割圖像,并可生成單板缺陷修補(bǔ)的彩色掩膜圖像。
　　 針對(duì)各種形狀的單板節(jié)子缺陷,特別是帶有凹形區(qū)域的節(jié)子,以及單板節(jié)子缺陷目標(biāo)和背景顏色相近、邊緣不清晰等造成缺陷識(shí)別困難的多目標(biāo)識(shí)別問(wèn)題,本文結(jié)合了基于邊緣的活動(dòng)輪廓模型和基于區(qū)域的活動(dòng)輪廓模型,提出了一種基于全局最優(yōu)的活動(dòng)輪廓模型的多目標(biāo)檢測(cè)方法,通過(guò)利用對(duì)偶形式的數(shù)值計(jì)算方法,減小了計(jì)算量,提高了分割速度,

5、實(shí)現(xiàn)了對(duì)復(fù)雜紋理背景下的單板多節(jié)子目標(biāo)的有效檢測(cè)。
　　 針對(duì)含有較豐富紋理的單板缺陷圖像,本文采用了變分偏微分方程的圖像分解方法進(jìn)行單板缺陷檢測(cè),首先,在ROF模型的基礎(chǔ)上,結(jié)合高階導(dǎo)數(shù)的圖像分解模型,提出了一種消除階梯效應(yīng)的單板缺陷圖像分解模型,運(yùn)用半二次規(guī)整化方法求解該模型,得到了分解單板缺陷圖像的有效方法,保護(hù)了結(jié)構(gòu)圖像的邊緣,更好的提取紋理特征。其次,結(jié)合AAFC模型與TV正則項(xiàng)一般式,提出了一種聯(lián)合圖像結(jié)構(gòu).紋理分解

6、和邊緣檢測(cè)耦合的圖像分解模型。實(shí)現(xiàn)了在進(jìn)行單板缺陷圖像結(jié)構(gòu).紋理部分分解的同時(shí),又得到了較好的單板缺陷邊緣檢測(cè)結(jié)果。
　　 為了將圖像修復(fù)理論、方法應(yīng)用于單板表面節(jié)子缺陷圖像的自動(dòng)修補(bǔ)中。提出了一種BSCB改進(jìn)算法,使其在非紋理單板節(jié)子圖像修復(fù)上得到了比較好的效果。針對(duì)單板節(jié)子區(qū)域較大、節(jié)子周?chē)y理比較復(fù)雜的情況,又提出了將BSCB改進(jìn)算法與基于樣本塊的圖像修復(fù)算法相耦合的單板缺陷圖像修復(fù)新方法,實(shí)現(xiàn)了對(duì)單板節(jié)子缺陷圖像的修復(fù),

7、達(dá)到較好的修復(fù)效果。針對(duì)單一圖像修復(fù)方法的局限性,提出了一種基于圖像分解的單板缺陷圖像修復(fù)方法。首先,改進(jìn)了VO模型實(shí)現(xiàn)了對(duì)單板缺陷彩色圖像的有效分解,得到了單板缺陷圖像的結(jié)構(gòu)部分與紋理部分；然后,采用BSCB改進(jìn)算法,對(duì)單板缺陷圖像結(jié)構(gòu)部分進(jìn)行修復(fù)；采用基于樣本的Criminisi算法對(duì)紋理部分進(jìn)行修復(fù)；最后,將修復(fù)好的圖像疊加合成,達(dá)到比較好的修復(fù)效果。
　　 最后,提出了基于機(jī)器視覺(jué)的機(jī)器人單板缺陷檢測(cè)修補(bǔ)系統(tǒng)的設(shè)計(jì)方案,