带钢表面低对比度弱小缺陷检测的图像处理方法研究机械工程专业论文.docxVIP

万方数据 万方数据 III武汉科技大学 III 武汉科技大学 UYlIM30IIII 2I H1 7lUl 1II 1I 研究生学位论文创新性声明 本人郑重声明：所呈交的学位论文是本人在导师指导下，独立进行研 究所取得的成果。除了文中已经注明引用的内容或属合作研究共同完成的 工作外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。 对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 论文作者签名：塑焦． ．硼： 搠《．S．? 本论文的研究成果归武汉科技大学所有，其研究内容不得以其它单位 的名义发表。本人完全了解武汉科技大学有关保留、使用学位论文的规定， 同意学校保留并向有关部门(按照《武汉科技大学关于研究生学位论文收录 工作的规定》执行)送交论文的复印件和电子版本，允许论文被查阅和借阅， 同意学校将本论文的全部或部分内容编入学校认可的国家相关数据库进行 检索和对外服务。 敝作者签名：遣墨生： 指导教师鹤：逊 日 期：星!生：￡：2妄 万方数据 万方数据 摘要钢铁产业是国民经济的重要基础产业，是实现工业化的支撑产业。作为钢铁 摘要 钢铁产业是国民经济的重要基础产业，是实现工业化的支撑产业。作为钢铁 产业的主要产品之一，带钢更己成为汽车、船舶以及航空航天等行业的重要原材 料。随着科学技术的不断发展，后续加工对带钢的表面质量要求越来越高，表面 质量的好坏是带钢的一项重要指标，因此对带钢表面质量进行检测具有重要意义。 本文针对带钢在轧制的过程中常出现的表面缺陷检测的一些关键技术进行了 研究。提出了缺陷检测系统的总体方案，并着重分析研究了检测系统的图像去噪 方法、缺陷分割方法、特征提取方法，主要研究内容如下所示： 1．根据缺陷图像噪声的特点，运用传统的去噪方法与非局部均值去噪方法进 行去噪效果对比，实验结果表明：非局部均值去噪方法在对图像进行有效去噪的同 时还能较好的保留图像的纹理和边缘等重要的细节信息。 2．针对非局部均值算法中滤波参数h不能科学选择的问题，提出利用PCA噪 声估计方法对算法进行改进，实现滤波参数h可根据不同图像自适应取值，以达 到更好的去噪效果。 3．针对带钢表面缺陷具有采光不均、目标较小、对比度低等特点，提出了基 于Mask匀光处理的区域分割方法，实验证明此方法能有效解决光照不均的问题 并得到很好的分割效果。 4．在提取带钢表面图像多信息融合的特征向量中的纹理特征时，提出利用将 灰度共生矩(GLCM)和Tamura纹理特征相结合提取图像纹理特征的方法，随后 通过BP网络的分类识别正确率对改进效果进行了验证。 关键词：图像处理；机器视觉检测系统；图像去噪；缺陷分割；Tamura纹理特 征 11 AbstractThe Abstract The iron and steel industry is an important basic industry of national economy，it is the supporting industries to realize the industrialization．Strip steel one of the main product of iron and steel industry,and it has become one of the important raw materials industries such as cars，ships and aerospace．Demand of surface quality of strip steel for subsequent processing is higher and higher as the continuous development of science and technology．Surface quality is all important indicator of strip steel．So the strip surface quality detection is of great importance In this paper,some key technologies for the detection of the often appeared strip surface defect in the rolling process were researched．The overall scheme of the defect detection system was put forward．And emphatically analyzed the image denoi